彩神平台-彩神平台

学方言、手绘巡线地图 南宁铁警“接地气”保春运安全******

　　莫献忠对欲穿行大桥的村民进行劝导。　吴骆霞　摄

　　中新网南宁1月12日电(胡宏)警察、“水手”“绘图师”都是他的职业，他用自己接地气的做法守护着千年古镇扬美附近的铁路运输安全，今年春运是他坚守的第13个年头。

　　莫献忠是南宁铁路公安局南宁公安处南宁南站派出所的一名线路民警，2010年他来到扬美警务区，这里毗邻扬美古镇，每当高铁驶过古镇，现代与传统便在这里相遇。

　　莫献忠走在扬美古镇街上。　胡宏 摄

　　莫献忠管辖铁路线路43公里，横跨几十个自然村，点多线长并且学校众多，最近的一所学校距离铁路只有40米。特别是27公里长的老南昆线，多为低路基，沿线村民为了方便日常生活劳作，经常会横跨线路。

　　走村串户开展安全宣传自然成为莫献忠工作中的重要内容。作为“外来户”，不懂方言成了莫献忠开展工作的第一个“拦路虎”，于是他就把护路队员当“老师”，一字一句地向护路队员学，从说话开始慢慢融入当地群众当中。

　　“开展群众工作，不能光讲法律，要多站在他们的角度去帮助他们解决实际问题。”莫献忠说。

　　莫献忠到村民农场开展安全宣传。　胡宏 摄

　　2018年，村民反映村口主要铁路交通涵一下大雨就积水，行人车辆都无法通过。莫献忠立即将情况上报并争取相关部门的支持，在涵洞中修建了一条“高基”步道，即便遇到下雨积水也能使村民安全通过。

　　渐渐地，穿着一身警服，操着一口“土话”的莫警官变成了村民口中的“老莫”，几年下来，哪家有几口人、有多少小孩、多少大牲畜、家里田在哪，莫献忠都掌握得清清楚楚。

　　横跨在左江上的三座铁路桥是莫献忠管辖的重点区段，特别是左江大桥，每逢圩日，村民经常会借道大桥，莫献忠也都会早早来到桥头对穿行铁路桥的村民进行劝导。

　　同时，左江作为通航水路，不仅有两岸村民通过船只摆渡，更有大小货船经过，甚至还发生过因操作不当造成船只撞击铁路桥的事故。

　　桥上的情况可以实地踏勘，但是如何掌握桥面下和桥墩的情况曾一度让莫献忠犯难。

　　莫献忠在岸边给渡船固定缆绳。　胡宏 摄

　　在这里工作久了，莫献忠也变得“多才多艺”，不仅做得了“水手”，还当得了“绘图师”。

　　一次，莫献忠前往扬美村开展日常工作，和村民聊到了对大桥安全的担忧。村民杜师傅直接跟他说：“这有啥难，我经常要开船到对岸干活，到时候捎上你逛一圈，都是兄弟，也算是我为铁路安全做贡献了。”

　　自此，杜师傅每次开船渡江前都会给莫献忠打电话邀请他乘船巡线，莫献忠也就多了一层“水手”身份。

　　每天徒步巡线10公里是这些年来莫献忠始终坚持的必修课，他将徒步巡线收集到的资料分别绘制了普铁和高铁线路管辖图。

　　莫献忠在守护的线路图上添加信息。　胡宏 摄

　　“对我们线路民警来说，它必不可少。”莫献忠用笔点了点挂在扬美警务区墙上的手绘地图。

　　“三角形的是重要道口，圆形是交通涵，沿线所有的重点路段我都标注了出来”，指着“地图”上的各种标记，莫献忠如数家珍。

　　微微泛黄的地图上，一道道折痕似乎在诉说着它已经跟随自己的主人走过很多地方。

　　如今的莫献忠早已将线路图刻在了心里，他说：“巡线是个基础工作，底数清才能情况明，只有亲眼看到才能真正了然于胸，一步一个脚印才能走出安心。”

　　今年的春运，莫献忠更忙了，外出打工的青壮年纷纷提前返乡，前来古镇游玩的游客也日益增多，他将用更接地气的做法一直守护着铁路“大动脉”安全。(完)

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）