盈彩网投资平台注册网|ios/安卓/手机版app下载

【数据看春运③】1月9日发送旅客3712.5万人次 春运客流平稳有序******

　　光明网讯（记者 赵艳艳）2023年春运已于1月7日开始。来自国务院联防联控机制春运工作专班数据显示，1月9日（春运第3天，农历腊月十八）全国铁路、公路、水路、民航共发送旅客3712.5万人次，环比增长5.0%，比2019年同期下降46.3%，比2022年同期增长47.9%。

　　春运三天来，客流持续增长，旅客错峰出行，让春运回家路平稳有序。

　　综合来看，今年春运具有“三大一多”的特点，即客流大幅增长、货运需求大幅增加、一线人员感染风险较大和安全生产风险隐患增多。初步分析研判，春运期间客流总量约为20.95亿人次，比2022年同期增长99.5％，恢复到2019年同期的70.3％。

　　“与往年相比，今年春运人流高峰与疫情高峰叠加，是近年来不确定性最多、情况最为复杂、困难挑战最大的一次春运。”在1月6日国务院新闻办公室举行的全力做好春运服务保障新闻发布会上，春运工作专班副组长、交通运输部副部长徐成光表示，交通运输部门将以最大能力、最佳状态、最优服务，确保人民群众顺顺利利出行、安安全全回家。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）