五年独自坚守 小站铁警的别样春节******
(新春走基层)五年独自坚守 小站铁警 的别样春节
中新网河池1月17日电 题 ：五年独自坚守 小站铁警 的别样春节
作者 孙赟飞 黄勇盛
今年58岁的覃柳宜是南宁铁路公安局柳州公安处金城江车站派出所六甲警务区 的驻站民警，警务区只有他一人，今年 是他独自坚守这里 的第5个春运，也是他从警34年来在小站警务区工作的第24个春运。5年来 ，覃柳宜安全守护六甲警务区47公里 的铁路线 ，为铁路运输安全添一份安心。
8时许，覃柳宜像往常一样 ，换上警服骑着单车开始线路巡查工作 。六甲警务区管辖黔桂铁路上 的岜伦 、六甲、大漠 、纳朝4个车站共47公里 的线路，线路大多穿山越岭 ，途径的乡镇 、村屯较多，人员流动和管理难度较大 ，沿线治安管理情况较为复杂 ，线路管理工作难度不小 。
当巡查到小三峡景区一段线路时 ，覃柳宜发现线路防护栅栏出现破损 ，便立刻拿出手机拨打电话向铁路工务部门汇报情况。“喂，工长 ，我是派出所覃柳宜 ，我今天到小三峡这里，发现防防护网破了个洞 ，麻烦你们派人拿工具来加固 。”
2017年10月，覃柳宜刚到六甲警务区驻站时 ，出现铁路防护网因破损未及时修补 ，铁路沿线村民 的小孩跑到铁路边玩耍 。为此 ，覃柳宜没少费工夫防止孩童翻越护网进入铁路影响列车安全运行 。他每天步行40000步，用脚步丈量铁轨 ，20天走完辖区内的线路 ，累计巡线200公里，并将发现的68处线路隐患逐一登记造册，通报铁路相关单位及时进行修复，然后再现场确认修复完毕予以销号 。
有多年刑侦经验的覃柳宜深知，铁路运输的平安，跟沿线民众 的法制意识水平息息相关 。为预防沿线路外伤亡事故，他日复一日走村入户 ，宣传铁路法律法规 ，讲解铁路安全常识 ，提醒村民不要图方便上道行走 ，也不要让大牲畜进入线路。
覃柳宜巡线经过村屯时，拿出随身携带的铁路安全法治宣传资料分发给民众，普及铁路安全法律知识 。
“老板娘 ，你跟孩子讲 ，不要接近铁路，不要在铁路上面玩耍 。”覃柳宜到小卖部宣传说道。
看到有小朋友经过 ，覃柳宜上前向他们做起了铁路安全宣传 ：“小朋友，要注意安全，不要上铁路线玩耍 。”小朋友们围着他回答道 ：“好 的，警察叔叔 。”
覃柳宜向沿线村屯小朋友宣传铁路安全知识。 夏阳春 摄在六甲警务区驻站5年来 ，覃柳宜和辖区护路队员认真开展线路治安工作 ，实现了无危及行车安全案(事)件 、无铁路交通事故、无因治安问题引发 的行车事故、无大牲畜上道、无拆割盗案件零发生的目标 。
临近中午，覃柳宜完成上午 的巡线工作回到警务区 ，妻子曾春玲为其准备了午饭 。覃柳宜放下警用装备，洗好手走进厨房，帮忙把菜端上桌，夫妻俩边吃边聊。
“在这里生活比较艰苦，工作很忙。我理解他 的工作，夫妻三十多年了，一直都 是这样过来 的 ，我和女儿都支持他 。希望他自己在这里照顾好自己，保重身体 。过年了 ，我们会过来这里陪着他，一家人团圆。”曾春玲说 。
“我和爱人结婚33年 ，陪她的时间相当短，没有尽到丈夫 的责任 ，对女儿也尽不到一个父亲 的责任，很是愧疚。但是 ，这条黔桂线路一直牵挂着我 的心，作为一名警察 ，一定要维护好这条铁路 的安全，这是我的第一要务。”覃柳宜说 。
覃柳宜和妻子在贴好春联和福字的警务区门口合影。 夏阳春 摄吃完饭 ，夫妻俩在警务区门口贴春联和福字 ，让小小 的警务区增添了过年的气氛，感觉更加温馨。(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 购彩地图 |
