温暖回家路丨春运首日“护龙人”：每天弯腰、蹲起上千次为运输安全保驾护航******

　　大河网讯 1月7日，春运首日，阳光明媚。在中国铁路郑州局集团公司郑州车辆段南五里堡客车整备场，一列列精检细修、整装待发的客车像一条条绿色长龙，等待着开往“美丽的春天”。繁忙的整备场，穿着工装、戴着口罩的客车检车员们不停穿梭在车体间，他们就是——春运里的“护龙人”。

　　每年春运，铁路部门都要对郑州局集团公司所有配属的旅客列车进行客车大整修，迅速修复各种不良隐患，并重点从防燃轴切轴、防客车火灾、防列车分离、防制动故障、防运行品质不良、防配件脱落入手，为客车查找病灶，整治病害，补充营养，强壮筋骨。

　　随着新冠疫情防控形势向好，企业复工复产加速，不少列车已重新投入使用。郑州车辆段是郑州局集团有限公司唯一的普速客车检修单位，担负着67列1139辆图定列车车辆的日常检查、故障处理和技术保养等繁重任务，确保这些即将“开往春天”的列车行车安全。根据测算，这个段除保证图定客车正常开行外，还需编组临客车底29组526辆。

　　为此，春运期间，这个段紧密围绕客车车体运用实际，科学调配检修计划，实施车辆检修定人、定责、定标的管理制度，统一车辆整修标准，对图定客车和临客列车进行全面整备。

　　李俊，郑州车辆段库检车间青年突击队检车员，作为一名“00后”，李俊的主要工作就是对进入客整所的客车车体进行逐辆检查，确保车辆各部件状态良好。今年是他经历的第二个春运，1月7日，李俊正在检查一列209P转向架型号的车体，他左胸前挎着的一台对讲机不断传出指令，右手提着一把点检锤，木质的锤把已乌黑锃亮，尖尖的锤头也已经被磨圆。

　　李俊熟练地探入车底，脑袋探进侧架内侧，提起点检锤“滴滴答答”地敲击着转向架摇枕，静静地辨识着金属撞击的声音，整个过程不停地变换姿势，眼睛像鹰一样巡查着每一个部件。通过眼看、耳听、手拉、指摸等方式，找出列车的“病因”，及时修正。

　　李俊说：“在定岗前，师傅告诉我这种车型检查重点主要在车体下部组件，需要仔细敲击部件，听音辨别部件是否存在问题，如遇问题部件要及时处理，并再次确认修复后的部件状态良好。尤其是春运期间，列车疲劳运行更易引发各种不良隐患，作为检车员更应该严格按照标准，做到精检细修。”

　　不一会，李俊从车底钻出，嘴里默念一句：“敲击声音未见异常，该车状态良好。”接着向下一辆车走去。因行车安全需要，客车车体检查作业都是在露天场所开展，场内没有树木、没有任何可以遮挡的设施。春运期间，室外温度最低将达到零下10摄氏度。检车员长时间的室外作业，每天行走的步数通常在两三万步，用检点锤敲击的次数达到上万次，弯腰、蹲起的次数多达上千次。

　　据了解，郑州车辆段以客车电采暖系统、制动系统检查整治为重点，紧盯关键补强短板。在客整场库停期间，组织作业班组对易冻覆冰部位和制动系统供风管路实施全面防寒检查，对车内空调、伴热装置等重要设施逐一检查。针对近期气温骤降的实际，组织作业人员及时供电供暖，为夜间停放的客车保暖驱寒，确保次日安全出库、上线良好运行。

　　围绕春运客车安全，突出大部件脱落、防溜等安全关键，开展安全隐患排查整治，加大对关键岗位、关键作业、关键部位的检查盯控力度，在全面做好列车转向架、塞拉门、车内服务设施等关键部位日常巡检的基础上，重点对车上车下的供水管路和用水设施进行全面平推检查。

　　春运期间，这个段结合春运开行方案，提高作业人员的应急处置能力，从严从细做好应急故障的判断和处置，为假期运输安全保驾护航。（记者 祝传鹏 通讯员 刘雨）

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