行走在深山里的“独行侠”******
(新春走基层)行走在深山里的“独行侠”
中新网柳州2月3日电 题：行走在深山里的“独行侠”
作者 孙赟飞 夏阳春 胡玄德
坐落在湖南省通道侗族自治县西部的牙屯堡站，是南宁铁路公安局柳州公安处融安站派出所管辖的一个四等火车站，这里地势起伏，山峰连绵。每天清晨，伴随着急促的火车鸣笛声，地处深山的牙屯堡小站迎来了当天的第一趟火车。吕志贤作为这个小站唯一的铁路民警，在天蒙蒙亮时，就开始了一天的工作。
今年45岁的吕志贤是南宁铁路公安局柳州公安处融安站派出所的一名民警。2020年1月，他主动申请到偏远的牙屯堡警务区，至今已三年了。牙屯堡警务区管辖着20多公里长的铁路线，沿途有10座桥梁、18个隧道，其中广西与湖南交界的彭莫山隧道有足足5公里长。
吕志贤在牙屯堡站立岗，迎接来往的列车。 夏阳春 摄吕志贤每天的工作是在铁路沿线开展安全巡查，对铁路路段两侧的防护栅栏、警示标志牌进行检查，对铁路沿线私搭乱建、行人有无穿越铁路、杂物、轻质飘浮物等安全隐患问题进行排查。完成这项工作，吕志贤每天需要步行8公里铁路线，开车巡逻15公里。
由于线路处在连绵山岭之间，蜿蜒的山路小道上经常会有蛇虫鼠蚁出现，吕志贤就准备了一根木棍，边走边敲打。“线路上有蛇都是常事，这些都不打紧，还是怕山林里的野蚊子，被叮上一口，一个礼拜都消不下去。”他说。
吕志贤爬上隧道口查看落石情况。 夏阳春 摄2月，牙屯堡山里的气温依旧很低，伴随着浓浓的雾气，线路两侧都结上了厚厚的冰。一旦结冰，上山的公路就会被封锁，吕志贤就只能徒步巡逻。警用大衣、大盖帽、装有热水的保温杯便成为吕志贤巡线路上最好的保暖措施。不论天气多么恶劣，道路多么难走，吕志贤都坚持按计划巡逻。他说：“也不怕这天有多冷，走着走着，身子不就暖和了，只有自己走过，才能放心。”
春运期间，线路周边的学生喜欢在放假期间到铁路周边玩耍。为了给铁路沿线学生普及铁路安全知识，吕志贤把牙屯堡附近的村落跑了一个遍。村落里，线路旁，他给孩子们讲授铁路安全常识，孩子们围着吕志贤好奇地问个不停。
此前有个调皮捣蛋的孩子跑到铁路上玩耍，被吕志贤抓了个正着，当下教育，可还是不放心，后来他去孩子家家访，才得知孩子父母离异，一个人跟着爷爷生活，生活状况特别贫困。“我们去到他家里家访，家里连件像样的家具都没有，更别说孩子的学习用具，都靠学校和同学之间资助。”每次到村落宣传，吕志贤都会专门为这个孩子买一些学习用品，过节的时候还带孩子来镇上添上几件新衣裳。他说：“要是能帮上忙就多做点，谁家没点难事。”
吕志贤进入村庄开展法治安全宣传。 夏阳春 摄吕志贤家在距离牙屯堡站直线距离120多公里的融安县城，其爱人潘菲是融安火车站的临时身份证制证窗口的工作人员，孩子一个刚上初中，一个还在上幼儿园。今年春节，因工作原因，吕志贤大年初二便离家回到牙屯堡站开展线路安全工作。对此，潘菲没有半点怨言。“他守护线路，我守护家。无论生活和工作多艰辛，只要夫妻同心，一定会把工作干好。”潘菲说。
今年春运是吕志贤在牙屯堡站值守的第四个春运，年前他守护着旅客回家团聚，年后他守护着旅客乘车复工奔向新的希望。“每次巡查爬上了山顶，看着满载旅客的列车平安通过时，我就觉得自己的工作充满了意义。”他说。
吕志贤甘于寂寞，甘于奉献，是深山里的最美“独行侠”。在其精心努力下，他的辖区创下了线路治安安全1095天的好成绩，辖区治安事件“零发生”。(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 快三平台地图 |
