乘警师徒的“第一个春运”和“最后一个春运”******
(新春走基层)乘警师徒的“第一个春运”和“最后一个春运”
中新网福州1月19日电 (吴晟炜 刘晓彬 戴俊淇)春节临近，福州的大街小巷张灯结彩，格外喜庆。福州火车站内，拎着大包小包的旅客比肩接踵，满怀期待地踏上了回家团圆的列车。
张邵军是福州铁路公安处乘警支队的“60后”老乘警。在他的回忆里，有十几个春节都是在列车上度过的，平均一年有200多天在列车上。今年也是他值守的最后一个春运。
福州开往重庆北站的K1268列车，单程超过1971公里，途经四省一市，中途停靠南昌、武昌、宜昌东等大大小小15个车站。张邵军带着徒弟刘子璞登上了这趟列车。
“今年2月我就要退休了，这是我在岗位上的最后一个春运，一定要站好最后一班岗。”张邵军语气平静，低头整理着身上的藏蓝色警服。
早上8时30分，距离K1268次列车发车还有两个多小时，张邵军和刘子璞来到单位签到，仔细做好列车值勤前的准备工作。
图为乘警出乘前整理警容。 福州铁路公安处供图张邵军和刘子璞是福州铁路公安处乘警支队执勤警务队的一对铁路警察师徒，虽然刚搭档不久，但是默契感十足。
自1980年从警开始，张邵军先后在福州铁路公安处押运队、巡警队、车站派出所、乘警支队工作过，获得过先进工作者、优秀党员、个人嘉奖等诸多荣誉，是警队里的好榜样，更是年轻民警的“好导师”。刘子璞则是2022年新入警的“00后”。在张邵军的带领下，他认真学习列车值乘经验、列车规范执法等各种警务技能。面对从警生涯的第一个春运，他充满着好奇与期待。
领取完出乘装备，做完岗前体检和酒精测试，这对师徒便动身前往福州火车站。
作为福州火车站返乡客流最大的农民工专列，春运期间，K1268列车基本都是满负荷运转。检票口一开放，乘客们就鱼贯而入。为了确保列车安全，在车站检票旅客进站上车前，张邵军就带着刘子璞对列车进行了一遍全方位的检查，确保列车在运行途中的安全。
10时45分，列车缓缓驶离福州站，张邵军招呼着列车长和检车长碰头后，师徒俩开始去巡视车厢。当两人巡逻到16号车厢时，一位老年旅客拉住张邵军，向他们求助。
图为乘警在达州站维护旅客上下车秩序。 福州铁路公安处供图“老人家，你有什么事需要解决的？”张邵军停下脚步，仔细询问缘由。原来老人姓徐，今年已经75岁了，前阵子刚因病动了手术，因四川老家亲人出了事故，他便急着从福州赶回去照顾。匆忙之下，他没有买到卧铺票，只能坐硬座车厢。时间一长，身子就开始吃不消了，希望能补一张卧铺票。面对老人的需求，张邵军立即找到了列车长，帮助老人补好了卧铺票，又帮助他在新车厢安顿好。
春运旅客增多，列车停站也比较多，旅客上下频繁，极易造成旅客丢失贵重物品事件，需要不停巡视。每到一站，师徒俩都会奔波在车门口，不停地去提示疏导拥挤的旅客。
列车途中临时停靠时，旅客陆某和何某因摆放行李发生了争吵，还相互推搡，引起了同车厢周边旅客的围观。张邵军接到车上工作人员报警后，立即带着徒弟前往处置。经过张邵军耐心调解，讲事实摆道理，最终矛盾平息，车厢秩序恢复正常。张邵军借此向徒弟传授了不少调解“真经”。
凌晨0时47分，列车驶离宜昌东站。“夜间是旅客最容易犯困的时候，也是贵重物品最容易丢失的时候。我们要在重点时段和区段加大对车厢的巡视力度和频率，提醒旅客看护好随身携带的贵重物品，看管好自己的小孩。”张邵军一边巡视着车厢，一边小心叮嘱着徒弟。
凌晨1时30分，忙了一整天的师徒二人终于好好坐下来，交流总结发车以来的工作情况。新老乘警的“接力棒”完成了交接。
经过26个小时的长途旅行，列车终到重庆北火车站，师徒俩对车厢进行安全检查完毕后，又马上准备做好重庆北返回福州的K1270次列车值乘工作。
刘子璞告诉记者，第一个春运意义非凡，让他终生难忘。“师父虽然要退休了，但他把从警40多年的经验都传授给了我，未来我也会踏踏实实站好每一班岗。”刘子璞如是说。(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 公海彩船app地图 |
