点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
护航春运路的“蜘蛛侠”******
(新春走基层)护航春运路的“蜘蛛侠”
中新网广州1月10日电题：护航春运路的“蜘蛛侠”
作者 郭军 陆省省
春运归途，思乡心切，一趟趟列车载着团圆的渴望抵达终点。在繁忙的京广铁路大动脉上，有这样一群铁路人，他们既是“山大王”也是“蜘蛛侠”，日常工作就是巡山巡河，攀岩爬山。
1月10日8时许，广铁集团广州工务段源潭路基车间连江口路基检查工区工长苏李力，带领3名职工前往鸡咀山进行岩石裂隙检查及碎石处理，防止落石砸到车窗，影响安全。记者跟随他们经过一个多小时的行车，来到了检查地点。
苏李力所在的工区，是个仅有10名职工的小班组，却承担了车间管内120公里的巡山巡河任务和路基设备检查工作，管辖着89个山头，是名副其实的“山大王”。
鸡咀山大概30米高，靠近线路那边就像被刀切过一样，与线路垂直。检查人员在接近山顶时，要走过大约5米长的“悬空”地段，由于岩体凹陷，钢丝网覆盖后，形成“真空”，有种高空走钢丝的感觉。
作业人员在绑好安全绳后，他们沿着超过70度的斜坡缓缓向上走，刚开始还有宽约50公分的台阶，大概5米左右，山体已被主动网(粗约1公分的钢丝结成的网)包裹，需要用两根挂钩勾住钢丝，缓慢交替爬行，就像攀岩的“蜘蛛侠”。工长苏李力一边攀爬，一边查看山体岩石情况。
图为作业人员进行岩体检查 陆省省 摄“我们还要检查一下那些地锚，看地锚是否稳固。雨水冲刷可会造成这些裂隙，裂隙有可能会造成这些地锚的松动，如果松动的话，我要及时处理加固了。”苏李力说道。
记者跟随作业人员爬到了山顶，山虽然不高，但还是攀爬的比较艰难。作业人员一边爬，一边要察看岩体状况，有没有裂隙碎石。爬上山顶，工长苏李力发现了一处碎石较多的地方，指挥大家小心处理碎石。
苏李力告诉记者，“因为石头是石灰岩，比较松软，雨水一冲刷就会造成这些碎石，碎石如果风化脱落以后打到车窗，可能会引发事故。春运期间，我们也会加强检查和处理的频次，保证列车运行平稳。”
源潭路基车间技术员李坚也在一旁说道：“这个岩体很多地方都有开裂，我们目前的工程措施是采用这个主动网对山体进行包拢，平常检查中，发现有脱离母岩倾向的岩体，也会及时进行砂浆危岩加固。”
作业人员花了将近两个多小时，一步步地仔细检查了岩体情况，对斜坡上疯涨的灌木进行清砍。俗话说，上山容易下山难，对于这段路，上下山都难。工长苏李力虽然爬过了不知多少遍，但每次都爬的小心翼翼。春运来了，为了保障京广铁路大动脉的安全，他们增加了巡查频次，也增加了更多防护措施。(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） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩神地图 |
)