晕!抵制吃鱼翅是在浪费?

“没有买卖,就没有杀害!”这则公益广告正在广泛流传。广告中,姚明推开摆在他面前的一碗鱼翅,拒吃。然而,吃鱼翅,还是不吃鱼翅,却在业界和环保组织之间引发了很大的争论。近日在北京举行的一个“鲨鱼可持续利用会议”上,“拒食鱼翅是一种资源的极大浪费”的观点,让人为之一惊。(据8月17日广州日报)

 

按照“不吃鱼翅就是浪费”的话说,就是中国并不是捕捞鲨鱼的主要国家,我们每年的捕捞量只有大约在1万多吨,而有些国家达到了四五万吨之多。同时一些国家还将鲨鱼制成了食品或者保健品。但是,这些国家不仅没有受到指责,更没有人提议“拒吃”。另一方面我们的渔民捕捞鲨鱼都是“顺手”的。比不上国外的“专业”,仅靠我们的不吃鱼翅对保护鲨鱼作用微乎其微,更况且被捞获的鲨鱼基本上无法再存活,所以从这个角度说,我们不仅是“不吃白不吃了”,而吃鱼翅也正是对其资源和价值的一种充分利用。而“拒吃”反而是一种资源的浪费。因此,我们更要敞开肚皮大吃特吃了。

 

这话颇有点“吃肉喝汤”理论的意思。全球鲨鱼资源好比一锅煮熟了的肉,这里面大部分香喷喷的肉都让一些国家拿走了,人家或制成罐头、营养品、保健品,既饱了口福又大把赚钱,而我们吃了点鱼翅也不过是消费了点“边角废料”,也就像喝了点“肉汤”。现在吃肉的不仅满不在乎,更没有人反对,没有劝阻“不要吃了”。作为仅仅喝汤的我们操的哪门子闲心?再说我们“喝汤”也是为了节约,不然这些汤扔了也是浪费了,“喝了它”正好是对资源有效利用。

 

这样的观点单单从理论上来说也许能站得住脚,但是事实并不是这样,全世界每年因鱼翅交易而捕获的鲨鱼约有2600万~7300万条,但真正的鲨鱼肉因为营养价值低,口感差消费者并不多。据有关统计这里面几乎95%的鲨鱼躯体都被扔掉了,而真正引起捕杀者兴趣并给鲨鱼带来杀身之祸的恰恰就是鱼翅。而我们国家的渔民出海捕捞到鲨鱼以后,更是顺手就对鲨鱼进行分解,留下鱼翅,躯体抛进大海。从这个意义上说,真正“吃肉”的恰恰是鱼翅的消费者,而那些“喝汤者”完全可以粗略不计了。

 

用“吃肉喝汤”理论来对待鲨鱼保护,更是犯了一个“五十步笑百步”的错误。让我们拒吃鱼翅,那一些国家大肆捕捞大量消费鲨鱼肉为何没人说?既然人家都可以敞开消费,我们这里却又是保护又是禁止还请明星做广告,发倡议,不是太傻了吗?以这次会议的观点,人家能吃鲨鱼肉,我就能吃鲨鱼鳍。这里面更有一个潜台词:那就是保护鲨鱼资源也不是哪一国的责任,我们何必自作多情呢?

 

保护鲨鱼及对大自然所有动植物的保护是我们全世界共同面临的课题,有的是“国际法”明令禁止的,而有的纳入社会公德范畴,要靠社会的倡议和人们的自觉相应。现在世界海洋里鲨鱼资源危危可及,我们提倡“拒吃”鱼翅,“没有买卖,就没有杀害!”这是为了保护鲨鱼资源做一点力所能及的事情,岂能认为自己的保护是“吃亏了”?甚至主张应该和那些大肆捕捞鲨鱼的国度“接轨”,要吃大家都吃,要发财大家齐发财。这样的观点不仅是自私的,更是极其庸俗的。我们虽然不相信“人在做天在看”,但我们“拒吃鱼翅”的精神却比将很快会被世人理解和支持,并会对保护海洋资源及环境发挥出重大作用。

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
基于ILP的最优PMU放置优化研究(Matlab代码实现)内容概要:本文围绕基于整数线性规划(ILP)的最优PMU(相量测量单元)放置优化展开研究,旨在通过数学优化方法确定电力系统中PMU的最佳安装位置,以实现系统完全可观测的同时最小化设备成本。研究介绍了PMU在电力系统状态估计中的关键作用,构建了以最小化PMU数量为目标的ILP数学模型,并详细阐述了约束条件的建立,如系统可观测性约束等。文中提供了完整的Matlab代码实现,利用YALMIP工具箱和合适的求解器(如CPLEX或Gurobi)进行求解,验证了该方法的有效性和实用性。; 适合人群:具备电力系统基础知识、优化理论背景以及Matlab编程能力的高校研究生、科研人员及电力系统相关领域的工程师。; 使用场景及目标:① 解决电力系统状态估计中PMU的最优布点问题,降低系统监测成本;② 学习和掌握如何将实际工程问题转化为整数线性规划模型,并利用Matlab进行求解;③ 为智能电网的广域测量系统(WAMS)建设提供理论依据和技术支持。; 阅读建议:此资源以理论结合实践的方式,不仅提供了严谨的数学模型推导,更侧重于Matlab代码的实现。读者应在理解ILP基本原理和电力系统可观测性概念的基础上,仔细阅读并调试所提供的代码,尝试在不同规模的电网模型(如IEEE标准节点系统)上进行测试,以加深对优化算法和电力系统监控的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值