快盈v下载app_快盈v网址

来源：快盈v官网网址2024-09-17 17:48

【活力中国】春节出行旅游暖意足，中国经济社会活力加速恢复******

　　中新网1月29日电(中新财经记者李金磊)刚刚过去的春节假期，出行人数明显变多，旅游市场回暖，全国国内旅游出游3.08亿人次，国内长线游迅速复苏，出境游市场也呈现快速增长的态势。熙熙攘攘的人流，热热闹闹的街头，火热的场景体现出中国经济社会活力快速恢复。

1月27日，旅客在南京火车站出行。当日是春节假期最后一天，长三角铁路迎来返程客流。中新社记者泱波摄

　　流动的中国出行人次快速增长

　　这个春节，人口大迁徙再次上演，坐火车、飞机出行的人明显变多了。

　　中国民航局数据显示，春节假期七天民航运输旅客900万人次，比2022年春节同期增长79.8%。春节假期七天民航平均客座率达76%，比2022年增长20个百分点。进出港旅客量较高的机场有广州、深圳、重庆、北京、昆明、西安、上海、杭州、成都等主要客源地和目的地城市。

　　春节假期，铁路客流继续保持回升态势。1月21日至27日，全国铁路发送旅客5017.4万人次，日均发送716.8万人次，同比增长57.0%，恢复至2019年的83.1%，其中1月26日、27日迎来返程客流高峰，连续2天突破千万人次。

　　出入境的人次也变多了。春节期间，全国移民管理机构共查验出入境人员287.7万人次，日均41万人次，较去年春节同期增长120.5%。其中，入境143.4万人次，较去年春节同期增长123.2%；出境144.3万人次，较去年春节同期增长117.8%。

　　3.08亿人次出游长线游复苏

　　经文化和旅游部数据中心测算，今年春节假期全国国内旅游出游3.08亿人次，同比增长23.1%，恢复至2019年同期的88.6%；实现国内旅游收入3758.43亿元，同比增长30%，恢复至2019年同期的73.1%。

　　国内多个热门景区再现游客“爆满”的景象。国内长线游市场在今年春节假期迎来了强劲复苏。

受访者供图。

　　在北京工作的白领郑女士，带着孩子去了漠河，全家来到中国最北的地方旅游。她对中新财经表示：“祖国那么大，要带孩子去看一看，感受最北、最南、最东、最西的地方。我们还特意去了最北的哨所，就是为了感受一下军人的生活。”

　　携程数据显示，平台兔年春节国内外的景区门票订单皆迎来三年新高。其中，国内各大景区门票预订量同比涨3.2倍。跨省酒店预订占比近7成，预订量反超2019年春节。

资料图：成都边检民警为入境旅客办理通关手续。　王治程摄

　　出境游有序恢复整体订单大增

　　随着出境游的有序恢复，跨境游订单大增。携程数据显示，春节期间出境游整体订单同比增长640%，内地旅客预订境外酒店订单量同比增长超4倍，跨境机票订单增长4倍以上。

　　东南亚成春节档“大赢家”，曼谷、新加坡、吉隆坡、清迈、马尼拉、巴厘岛等成为最受中国旅客欢迎的跨国旅行目的地，均为东南亚目的地。

　　同程旅行大数据也显示，2023年春节期间，出入境机票订单量大幅上涨，其中出境机票预订量同比上涨258%，入境机票预订量同比上涨632%。国际酒店预订量也同比增长了177%。

　　今年春节假期，程晓(化名)就选择去了泰国旅游。“非常开心和激动，我搭乘的飞机基本载满了游客，能感受到大家今年能外出旅游兴奋的心情。同时，海外旅游业者、服务人员也非常欢迎中国游客，他们也在积极准备，希望旅游团开放后迎接更多中国游客的到来。”

　　程晓此行机票和住宿花费较多，两个人出游，人均往返机票近7千元。由于1月是普吉岛的旅游旺季，住宿每晚超千元。不过程晓说，“泰国热带海岛更具风情，美食和服务便宜，性价比更高。”

　　“春节旅游热度有目共睹，以此为起点，相信中国旅客的旅游消费信心和消费潜能将加速释放，今年的旅游市场将会见到可观的复苏。”携程研究院战略研究中心高级研究员沈佳旎说。(完)

快盈v下载app

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（）