welcome购彩大厅登录_welcome购彩大厅注册网

中国兜牢民生保障底线，居民收入实现稳定增长******

　　(经济观察)中国兜牢民生保障底线，居民收入实现稳定增长

　　中新社北京1月18日电 (记者 刘亮)面对复杂严峻的内外部挑战，中国国民经济顶住压力持续发展，牢牢兜住民生保障底线，实现居民收入的稳定增长。

　　中国国家统计局日前公布的数据显示，2022年中国国内生产总值(GDP)突破120万亿元(人民币，下同)，达到121万亿元。按年均汇率计算，120万亿元人民币折合约18万亿美元，稳居世界第二位。从GDP增速情况看，中国GDP增长3%，该数据与国际主要经济体相比，仍是一个较快的速度。据国际货币基金组织预测，美国、日本2022年GDP增长均不会超过2%。

　　过去一年，面对多重超预期因素的反复冲击，中国经济能取得上述成绩并不容易。国家统计局局长康义强调，这意味着中国经济韧性强、潜力大、空间广，且长期向好的基本面没有改变。

　　值得一提的是，中国GDP增速实现较快增长的同时，居民收入也在稳定增长。数据显示，2022年全国居民人均可支配收入实际增长2.9%，与经济增长基本同步。

　　中国人民大学中国资本市场研究院联席院长赵锡军指出，通常情况下，经济增长与居民收入呈正相关，经济增长快，居民收入也会随之加快，但二者并非必须实现同幅度、同步增长，关键还要看政府对于民生保障的力度。决策者越强调民生，民众就能更多享受到经济增长的好处。

　　透过国家统计局披露的数据，也能进一步看到中国官方过去一年在民生领域的投入力度。

　　数据显示，2022年中国官方对居民收入保障加强，全国居民人均转移净收入比上年名义增长5.5%，快于全部居民收入增速。民生领域投资增加，2022年社会领域投资比上年增长10.9%，其中卫生和社会工作投资增长26.1%，比上年加快6.6个百分点。

　　与此同时，在就业领域，2022年中国城镇新增就业1206万人，超额完成1100万的预期目标；一系列援企稳岗的就业帮扶政策落实落地，对高校毕业生、农民工等重点群体的就业稳定产生了积极的影响，切实保障就业和收入来源，有力稳住了就业基本盘。

　　在仲量联行大中华区首席经济学家兼研究部总监庞溟看来，保持物价水平稳定也是切实保障民生的关键。2022年中国居民消费价格指数(CPI)全年上涨2%，单月涨幅始终运行在3%以下，明显低于世界其他主要经济体通胀水平。

　　“这标志着中国统筹协调并较好地完成了稳物价、促发展、保民生任务，有效保障了粮食安全、能源安全，切实缓解了中下游企业成本压力并持续优化上下游工业利润结构，充分稳定了市场预期和经济社会大局。”庞溟说。

　　展望2023年，康义表示，中国经济将整体好转，诸多有利条件将继续为GDP和居民收入的稳定增长创造良好环境。“经济好转，就业会相应改善，居民收入也会相应提高，这将有效带动提高居民的消费能力和消费意愿。”

　　全国政协经济委员会副主任宁吉喆表示，近三年疫情，对中小微企业、个体工商户和灵活就业者、自主经营者冲击较大。对此，他建议，要以进一步落实助企惠民政策，优化调整防疫政策为契机，切实增加这两部分人的收入。同时，还要在现有政策框架下继续扩大覆盖面，把符合条件的困难民众和低收入群体纳入保障范围，保障这部分人收入稳定增长。

　　康义强调，随着中国疫情防控转入新阶段，各项政策不断落实落细，生产生活秩序有望加快恢复，中国经济增长内生动力将不断积聚增强。下一步，官方将继续做好稳就业和增收入相关工作，切实保障好民生。(完)

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）