天美彩票APP|天美彩票交流群

2023年春节假期移动数据流量保持增长 5G流量占比超四成******

　　中新网1月31日电 据“工信微报”微信公众号31日消息，春节期间，通信业认真落实各项通信保障工作的部署和要求，确保通信网络运行安全稳定，积极推出一系列创新服务、促进消费升级的活动，为春节数字消费营造良好环境。

　　一、移动数据流量保持增长，5G流量占比已超四成

　　2023年春节假期7天，移动互联网用户接入流量达441.1万TB(1TB=1024GB)，与2022年春节7天相比增长6.3%。其中，1月21日除夕和1月22日大年初一两天的移动互联网接入流量分别为62.9万和68万TB，同比增长13.1%和6.3%。在5G用户规模扩大叠加超高清视频、VR/AR等新应用推广的拉动下，春节假期7天5G移动互联网用户接入流量增势突出，与2022年春节7天相比增长103%，在移动互联网用户接入流量中占比超四成。移动互联网流量业务对通话、短信持续替代的同时，短信在提醒提示、验证认证等方面的独特作用有所显现。春节假期7天全国移动电话计费时长共计526.3亿分钟，与上年春节7天相比下滑1%；全国移动短信发送量271.5亿条，与上年春节7天相比下降6.7%，其中1月21日除夕的移动短信发送量为50.5亿条，同比增长4.1%。

　　二、扎实开展通信保障，春节网络安全稳定运行

　　基础电信企业细化各项举措，落实通信保障责任。一是针对春节期间人员流动和聚集特点，做好业务变化预测和应急预案，提前进行网络资源调配和扩容优化。二是强化部署，基础电信企业春节期间共投入保障人员42.6万人次，保障车辆13.8万余台次，聚焦高铁/高速、交通枢纽、景区、农村和医疗机构等重点区域、重要庆祝活动现场及春晚等重点线路等，采取专项保障措施。三是加强基础设施防护、巡检力度，开展干线光缆巡检80万余公里，全面做好通信枢纽、互联网数据中心、各基础业务平台、传输干线等重点部位的防护。四是严格实施“7×24小时”专人值班值守，加强全天候全方位网络安全监测和处置，共拦截骚扰电话5570万次，拦截垃圾短信超1亿条。在四川甘孜州泸定县发生5.6级地震后，立即启动应急保障预案，组织紧急抢修，保障网络畅通。

　　春节保障期间，全国通信网络运行平稳，无重大故障及重要客户投诉，未发生重大网络安全事件。

　　三、惠民生、促消费、保生产，大力推进通信服务提质升级

　　基础电信企业积极采取惠民便民措施，为春节返乡、旅居人群提供“7×24小时”小时跨域在线服务，保证乡镇便民服务网点数量及营业时长。中国联通公司针对外出人员的异地老人、小孩看护需求推出异地看家产品，中国移动公司为老年人群提供“孝心卡”、为骑手等特殊人群提供“骑士卡”等专属服务产品。在促消费方面，配合各地促消费举措，开展新春年货节营销活动，协助发放地方政府消费券，引入地方名优特产品，与“三农”企业等联合开展数字乡村活动，上线“抗疫专区”产品，全力拉动消费增长。在保生产特别是助力中小企业复苏方面，持续落实中小企业宽带资费优惠政策，以免费体验新业务或优惠折扣等方式助力企业降本增效；为旅游行业复工复产提供员工号卡、专线等专属优惠服务，打造新春酒店礼包，助力疫情后旅游复苏；打造商铺“e+”套餐，一站式解决中小企业客户语音、流量、上网、看店、宣传等需求。

　　四、应用新技术开展创新服务，培育信息消费新增长点

　　基础电信企业充分发挥在5G、人工智能、云计算、大数据等领域积累的技术优势，在春节重要消费节点积极开展创新应用。在创新服务上，加大智慧家庭、视频彩铃、高清视频、个人云盘等基于新兴技术的业务营销，拉动信息消费升级。在服务升级上，推动客服全场景的智能化应用平台，探索“虚拟营业员”等数字人应用。以数字技术赋能服务千行百业，中国电信公司为基层医疗机构免费提供惠医随访通、重点人群健康监测、云药店等信息化应用，助力农村地区疫情防控救治工作。在支撑社会治理上，开展春运客流情况监测与动态研判分析，为交通管理部门提供服务，以及对春节假期消费情况和节后复工复产开展大数据分析，反映经济活力恢复情况。(中新财经)

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）