快三开户_快三开户

多地“瞄准”促消费 哪些行业会出现报复性消费？******

　　中新经纬1月6日电 (孙庆阳)2022年12月份召开的中央经济工作会议提出，要把恢复和扩大消费摆在优先位置。增强消费能力，改善消费条件，创新消费场景。多渠道增加城乡居民收入，支持住房改善、新能源汽车、养老服务等消费。

　　多地出台政策积极促消费

　　近段时间，地方两会密集召开，安徽、山东多地在政府工作报告中将促消费列为2023年重点工作。广东、青海也出台了促进消费的多项政策。为何多地拼经济，重点“瞄准”促消费？

　　中国食品产业分析师朱丹蓬在接受中新经纬采访时表示：“投资、外贸、消费是拉动中国经济高速运行的三驾马车，在整个世界经济不确定因素较大的情况之下，外贸要实现大的增长是比较难的，而相比投资来说，最重要的还是在消费。”

　　当下，全国各地陆续出台促进消费的红利性政策。朱丹蓬预计，随着这些政策进一步落地，对于整个中国的消费来说有着非常大的拉动作用。

　　财经评论人谭浩俊进一步详细解释，由于出口受国际经济环境的影响很大，特别是欧美发达国家加大了对中国企业的限制力度，出口的难度将越来越大；这些年中国主要是靠基建投资、民生投资等来实现经济稳定增长，没有让经济出现明显下滑。

　　谭浩俊认为，目前，消费的潜力是最大的，具体体现在三方面：第一，消费市场在疫情影响下一直比较低迷，消费对经济增长的拉动作用一直没有发挥起来。随着疫情政策的调整，消费应当成为经济增长最重要因素之一。第二，消费活力是最容易激发出来的一项投资增长手段，疫情政策的调整对消费潜力的挖掘，形成了非常好的市场环境。因此，消费作为地方拉动经济增长的一个主要考量是完全应该的。第三，消费拉动可以出台很多具体的政策，如家电下乡、汽车下乡、鼓励汽车消费等。

　　从宏观经济层面来看，星图金融研究院高级研究员付一夫认为，全球经济下行压力较大下外需萎靡，需重点发力内需，而内需中消费最具弹性和潜力。特别像出行和线下类，均在疫情防控期间受到一定程度的压制。“疫情防控方案大幅调整后，对于消费市场最大的干扰因素已消除了。”

　　付一夫强调，客观来讲，政策调整对消费市场恢复或提振回暖起到了极大的积极促进作用，特别如旅游、餐饮、出行等；另一方面，政策特别重视促进消费，可以设想后续会在消费方面出台一系列政策。

　　哪些行业会出现报复性消费？

　　那么，各地区和行业在促进消费方面有哪些特点？哪些行业会出现报复性消费？对此，谭浩俊表示，消费在这三年受到很大压制，无论是传统消费，如餐饮、电影、娱乐，都可能出现报复性现象。

　　目前，海南等地的宾馆、饭店都出现了一房难订的现象，平台的订票率也非常高。谭浩俊预计，旅游消费或会成下一步消费启动的重要方面。

　　住房消费也有可能成为今后一段时间经济增长的重要推手。住房消费市场的低迷已持续多年，疫情得到控制后，住房消费也可能在刚需和改善性消费增加下出现反弹。

　　不过，谭浩俊强调，恢复的关键还要看开发商能否降价。如果2023年消费启动得好，不仅消费本身对经济增长的拉动会越来越大，同时也可以对企业的生产性投资起到非常重要的促进作用。“消费市场好→产品销售好→增加投资→扩大生产，形成良性循环。生产性投资增强，将带动就业和居民收入，进一步推动消费市场的兴旺。”

　　从各地促消费政策来看，手段越来越多样化。一些地方甚至针对消费场景打造手电经济、夜间经济等，以及围绕春季新年举办特色的促销活动，表现更加多样。付一夫表示，综合来看，各地的促消费政策是全方位的，在想尽办法提升消费者购物体验，这套消费组合拳还是挺漂亮的。 (中新经纬APP)

　　本文由中新经纬研究院原创，中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其它方式使用。

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）