凤凰彩票下载app-在线用户注册首页登录平台

来源：凤凰彩票返点2024-04-05 17:48

后冬奥时代，如何促进全民健身、推动场馆利用？****** 北京市政协十四届一次会议1月14日至1月18日召开。　北京市政协供图北京市政协十四届一次会议1月14日至1月18日召开。　北京市政协供图

　　中新网北京1月17日电 (记者刘文曦杜燕)正在召开北京市政协十四届一次会议上，后冬奥时代如何弘扬北京冬奥精神、如何促进全民健身、如何推动冬奥场馆赛后的可持续利用等成为委员们关注的话题之一。

北京市政协委员李娜。　受访者供图

　　来自体育界别的北京市政协委员、北京体育大学中国游泳运动学院副院长李娜就加强青少年户外体育活动，促进青少年身心健康发展提出建议。她称，要鼓励学生在课后开展集体类体育运动项目，在锻炼中交流感情，在汗水中提升毅力。尤其在北京，相关部门应围绕弘扬北京冬奥精神出台专门的行动计划，组织青少年前往冬奥场馆等地，参观、学习，交流，让学生在参观中加强沟通，在实践中领悟冬奥精神，切实推动北京冬奥精神在京华大地形成生动实践。

　　中国民主同盟北京市委员会认为，冬奥场馆赛后可持续利用面临的主要问题有：冰雪项目的亚文化地位限制冬奥场馆赛后可持续利用；政策扶持的可持续性有待加强；受疫情持续影响，冬奥场馆赛后可持续利用进程受阻等。

　　针对上述问题，中国民主同盟北京市委员会从政府政策制定、引导市场和社会支持、冬季项目文化提升、冬奥场馆综合效益协调发挥和注重科技赋能五个方面提出应对策略。其中在注重科技赋能助力场馆赛后可持续利用方面，建议保障科技成果的可持续利用；拓展科技成果的可持续利用；加强虚拟冬奥场馆建设，开展大众虚拟体育竞赛，虚拟参观旅游、虚拟健身等活动；加强“陆转雪”“陆转冰”技术应用。

　　中国民主建国会北京市委员会从服务城市旅游业和服务“全民健身”的层面就推动冬奥场馆赛后可持续利用提出建议。

国家速滑馆“冰丝带”。　北京国资公司供图

　　北京作为举办城市，新建、临建、改建了诸多大型体育赛事场馆，“冰丝带”国家速度滑冰馆、国家高山跳台滑雪中心等是具有划时代意义的现代场馆建筑，具有极高的旅游观光等价值。中国民主建国会北京市委员会认为，2022年成功完成冬奥会和冬残奥会赛事后，将冬奥会场馆用于城市旅游业是一个方向。

　　中国民主建国会北京市委员会指出，从“全民健身”的层面看，可营造有利于滑雪产业良性发展的社会氛围。例如将北京冬奥与群众性滑雪运动的宣传有机结合，使更多的人参与到滑雪运动中，更多的社会资金投入到滑雪产业，也将有利于冬奥会场馆的赛后利用。

　　据《中国冰雪旅游发展报告(2020)》测算，预计到“十四五”规划末期的2025年，中国冰雪旅游人数将超过5亿人次，冰雪旅游收入超过1.1万亿元人民币。

国家跳台滑雪中心“雪如意”。　中新社记者富田摄

　　围绕如何助力冰雪产业更好发展，台湾民主自治同盟北京市委员会建议，加快推进冰雪运动标准化建设，建立完善冰雪运动标准体系；加强政策资金等支持，修建冰雪运动场馆及完善配套服务设施满足群众需求；拓展冰雪竞赛表演市场，推进冰雪赛事活动市场化运作提升商业化优势；构建大冰雪产业格局，将冰雪与文旅、电商、健身休闲等领域深入融合；进一步促进教体融合，健全完善冰雪运动职业体系和冰雪人才培养体系。(完)

凤凰彩票下载app

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（）