国家移民管理局:预计春节假期日均出入境人数同比增长约2倍******
中新网1月18日电 据国家移民管理局官方微信消息,据国家移民管理局分析评估,预计2023年春节假期全国口岸出入境人数日均将达到60万人次,较去年同期增长约2倍,是2019年同期的32.7%。
资料图:旅客在北京首都国际机场T3航站楼准备前往国际、港澳台出发口。 中新社记者 侯宇 摄大型空港口岸方面,北京首都机场、上海浦东机场、广州白云机场、成都双流机场等大型国际空港口岸出入境客流总体平稳。
毗邻港澳大型陆路口岸方面,毗邻港澳大型陆路口岸出入境客流将持续增长,预计客流高峰主要集中在春节前夕1月20日,以及春节期间1月25日、26日、27日,其中,珠海拱北、青茂口岸日均通关人数预计将达到27.7万人次、5.7万人次,深圳福田口岸日均通关人数预计将达到4.2万人次。
国家移民管理局提示广大出入境旅客,出行前及时关注口岸客流变化和通关状况,仔细检查出入境证件签证是否有效,提前了解前往国家和地区入境和防疫管理政策,合理安排行程,注意人身安全健康自我保护。通关过程中如遇困难,可随时拨打国家移民管理局12367服务热线或向现场执勤的移民管理警察寻求帮助。
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() |