玛雅彩票官方网站_玛雅彩票网址

来源：玛雅彩票客户端下载2024-04-17 17:48

玛雅彩票官方网站

交通运输部：做好今年的春运工作，疫情防控很关键******

　　中新网1月6日电国务院新闻办公室6日举行新闻发布会，介绍全力做好春运服务保障有关情况，并答记者问。春运工作专班办公室副主任、交通运输部运输服务司司长蔡团结表示，做好今年的春运工作，疫情防控很关键。

1月6日，中国国务院新闻办公室在北京举行新闻发布会，春运工作专班副组长、交通运输部副部长徐成光，春运工作专班办公室副主任、交通运输部运输服务司司长蔡团结，中国民用航空局总飞行师万向东，国家邮政局副局长陈凯，国铁集团客运部主任黄欣介绍全力做好春运服务保障有关情况，并答记者问。中新社记者杨可佳摄

　　蔡团结指出，春运期间，人员的流动、货运的物流活动频繁，人员交叉活动密集，感染风险大。针对这些情况，同时结合国家对新冠病毒“乙类乙管”措施的实施，春运工作专班专门印发了春运疫情防控指南，也发布了春运出行服务指引。“我们将指导各地按照相关要求和文件规定，强化全链条管理，督促我们的从业人员落实落细各项防控措施，引导社会公众做好个人健康防护，助力疫情有效度峰和平稳转段，切实保障春运平稳有序运行。”

　　一是强化客流组织引导。督促经营者强化客运场站的消毒通风，优化客流组织，在进站口、售票窗口及自助售取票设备、安检通道、检票口等关键部位，引导公众有序排队，具备条件的情况下，分散候乘、分散就座，同时对客流量大的线路及时增加运力，降低人员聚集度。

　　二是做好公众出行防疫宣传。每个人都是自己健康的第一责任人，在此，我们倡导，公众尽量避免前往疫情高流行地区，疫情高流行地区的公众也尽量减少出行，主动避免带症状出行，大家未排除感染风险前，或者出现发热等症状，尽量避免乘坐公共交通工具。乘客出行期间，也要提高自我防护意识，加强出行全过程防护。在乘坐公共交通工具期间全程佩戴口罩，主动减少聚集。

　　三是鼓励使用无接触式服务。我们指导客运经营者持续改善售票服务，积极推广应用线上购票、电子客票、自助验票等服务，扩大无纸化、无接触的服务范围，加快推进铁路、民航以及与城市轨道交通之间的顺畅衔接和安检流程优化，减少换乘等候时间和人员聚集，提高旅客换乘效率。

　　四是加强从业人员健康管理。我们督促经营者加强从业人员健康监测，实施症状管理，出现发热等症状的，第一时间报告，停止作业，必要时开展抗原或者核酸检测。加强个人健康防护，上岗期间从业人员必须佩戴口罩，做好手卫生。同时我们要求，与社会面接触较多、客流量大的一些枢纽、高速公路服务区里的相关服务人员，收费站等场所的一线从业人员，我们倡导“两点一线”生活方式。同时，上岗时要佩戴N95/KN95口罩。

　　五是严格落实场站防疫措施。督促经营者加强相关场站、高速公路服务区、收费站和一些交通运输工具的日常公共卫生管理，做好环境清洁消毒、通风换气，疫情严重的地区，要适当加密清洁消毒、通风换气频次，客运车辆及时开窗通风换气。

　　六是有效应对从业人员大面积感染。我们要督促经营者加强从业人员防疫管理，对驾驶员上岗坚持从严审慎原则，确保身体状况胜任安全行车要求。建立实施关键岗位轮岗备岗制度和跨区域人员运力调配机制，做足应对可能出现的从业人员大面积感染的准备，确保人员接替有序，服务不断不乱。

　　蔡团结同时呼吁各地关心关爱从业人员，具备条件的高速公路服务区、司机之家等，要设置医疗服务点，配备发热药品等必要防疫物品，提供必要的休息场所，确保从业人员有症状时能够及时用药、合理休息。

　　“下一步，我们将密切关注各地的疫情发展变化，因时因势调整相关政策和保障措施，指导各地统筹抓好疫情防控和春运各项服务保障工作。”(中新财经)

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）

[责编：天天中]

阅读剩余全文（）