2022年6月7日,在河北省石家庄新乐市新乐一中考点,工作人员正在对考点周边的噪声及污染情况进行监测,确保高考顺利进行。(光明图片/贾敏杰 摄)
生态环境部大气环境司有关负责人表示,《行动计划》将从5个方面深化管控,严格噪声源头管理,深化工业企业噪声污染防治,强化建筑施工噪声污染防治,加大交通运输噪声污染防治,推进社会生活噪声污染防治。
《行动计划》提出,要完善规划相关要求。制定或修改国土空间规划、交通运输规划和相关规划时,应合理安排大型交通基础设施、工业集中区等与噪声敏感建筑物集中区域之间的布局,落实噪声与振动污染防治相关要求。
要严格落实噪声污染防治要求,依法开展环评,对可能产生噪声与振动的影响进行分析、预测和评估,积极采取噪声污染防治对策措施。紧抓产品质量监管,持续强化对汽车、摩托车噪声污染的认证监管,适时将相关国家标准纳入强制性认证。鼓励低噪声工艺和设备的研究开发和推广应用,适时更新产业结构调整指导目录和噪声与振动污染防治领域国家先进污染防治技术目录。
交通运输噪声方面,《行动计划》要求加强车船路噪声污染防治。严格机动车监管。科学划定禁止机动车行驶和使用喇叭等声响装置的路段和时间。鼓励在禁鸣路段设置机动车违法鸣笛自动记录系统,抓拍机动车违反禁鸣规定行为。推动船舶噪声污染治理,推动内河船舶应用清洁能源。推动轨道交通噪声污染防治,城市轨道交通车辆等装备选型和轨道线路、路基结构等建设应符合相关要求。
据悉,生态环境部将会同各相关部门,将《行动计划》任务目标纳入本部门的工作计划,抓紧制修订相关配套法规标准,有序推动各项工作落实,逐级落实噪声污染防治责任。
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)