网信快3 - 网信快3

机票价格跳水 错峰游时机来了******

　　随着出境航线的陆续加密，部分目的地的机票价格也日渐走低。2月1日，据携程发布数据，全国各地飞香港、澳门的机票相比春节期间有大幅回落，上海往返港澳只需千元左右。此外，直飞泰国机票价格也明显跳水。目前，多家航司都在不断新开、恢复国际航线，中国内地游客的出境意愿也在逐步增强，错峰游时机正当时。

　　千元机票直飞港澳

　　春节出游高峰过后，多地机票价格出现走低的趋势，甚至不少班次价格已经向疫情前靠拢。

　　据携程数据，全国各地飞香港、澳门的机票相比春节期间有大幅回落，上海往返香港、澳门只需1000元左右，北京往返香港1500多元，飞澳门买一送一，人均超1200元。

　　北京商报记者查询携程App发现，以北京-中国香港航线为例，2月直飞航线最低价为1050元，3月最低价为1035元，与部分境内航线机票价格趋于一致。

　　此外，部分中国内地飞往东南亚国家的机票价格也出现大幅跳水。携程数据显示，2月上海直飞往返普吉岛出现1600元低价，南京直飞往返普吉岛在2000元左右，较春节期间7000元+的价格大幅跳水。

　　据去哪儿数据，1月下旬至2月初，成都-曼谷、成都-普吉、厦门-胡志明市等多条东南亚航线恢复，旅客量则较春节期间明显减少，机票价格将随之下降。

　　有春节期间前往泰国度假的游客表示，即便选择了中转航班，春节期间泰国人均往返机票仍超过7000元，远超酒店等其他花费。相比之下，2月出境游更为划算。

　　2月出境复飞航线超40条

　　自2022年下半年起，多家航司陆续新开、复飞出境航线，往返境内外的航班也在逐步增加。

　　2月1日，海南航空宣布计划复航北京-圣彼得堡，新开深圳-金边的国际航线。截至目前，海南航空已恢复、新开运营北京-布鲁塞尔、北京-莫斯科、北京-贝尔格莱德等20条国际及地区往返客运航线。

　　南航也计划于2月新开或复航广州至河内、广州至万象等多条国际及地区往返航线，同时加密广州至新加坡、广州至吉隆坡、武汉至香港等往返航线班次。

　　据携程统计消息，截至1月末，2月出境复飞航线已超过40条，复飞周均航班量已超过140班。其中亚洲目的地航线占比超过八成，仅港澳及泰国复飞航班占比即达到四成以上。此外，从价格上看，三成航班的价格低于2019年同期成交均价，一成左右航班甚至比2019年便宜30%以上。

　　出境游产品密集上新

　　机票价格大幅降低给错峰出境游提供了极大便利，2月，各家旅游企业密集上线出境游产品。

　　1月20日，文旅部发布通知，自2月6日起，试点恢复全国旅行社及在线旅游企业经营中国公民赴有关国家出境团队旅游和“机票+酒店”业务，涉及20个国家。包括泰国、柬埔寨、马尔代夫、斯里兰卡、菲律宾、马来西亚、新加坡等。

　　消息发布后，多家旅游平台出境游搜索量大幅增长。同时，旅游企业也在加紧推出出境产品。北京商报记者从众信旅游获悉，由于首批游客出境目的和需求十分多元化，因此众信旅游筹备了以minitour为代表的定制类产品，目的地覆盖了瑞士、马尔代夫、泰国、新加坡等。在短线方面，首批20个国家里，将以中国内地游客喜爱度较高的热门海岛作为首发目的地。

　　凯撒旅业官方微信号也发布消息称，近日，凯撒旅游出境游业务全面启动。首批数十款不同类型的出境旅游产品即将陆续上线。

　　在北京第二外国语学院旅游科学学院教授谷慧敏看来，春节假期机票、酒店价格都会有一定提升，假期过后，价格就会出现回落。而航线加密、旅行社推出出境团队产品，也会吸引部分游客选择错峰出行。“不过，目前出境航线数量还在进一步恢复之中，境外的酒店、景区及服务人员也需要一段时间重启，出境游市场的全面恢复仍需要一段时间。”

　　北京商报记者 关子辰 张怡然

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）