运维人员正在查看设备状态。
“注意一下5013断路器B相7号气室压力。”对讲机里突然传来主控室值班同事的声音,“那里之前出现过漏气缺陷,要着重检查一下。”刘伟和运检员郭兴随即前往相应位置,使用检漏仪进行气体漏气检测。
“还好没什么问题。这么冷的天,很可能又出现气室漏气的情况,咱们可千万不能大意。”两人顺着设备区,将所有气室逐一检查了一遍,等回到主控室时手脚已经冻僵。
对于雁门关换流站运维人员来说,极寒天气中进行巡视作业早已成为一种习惯。“想到我们的辛苦是有意义的,能够守护千家万户春节的灯火,挨这点冻也变得值得了。”刘伟说。
“你们赶快暖和暖和,我和郑鑫去现场再看看伴热带运行情况。”张国是一名老“电力人”,今年是他工作的第30个年头,也是他第7次在工作岗位上度过春节。
在他看来,这份坚守中不仅有沉甸甸的责任,更有见证电力事业发展的喜悦。“作为一名老电力人,从传统的220千伏变电站,到500千伏变电站,再来到±800千伏的换流站,看到电力设备和输电技术的更新换代,确实感到很自豪。”
和张国相比,刚工作第五年的郑鑫还算一位新人。尽管工作年头不长,但今年已是他第2次春节在站里值班。从老员工的身上,郑鑫传承这份爱岗敬业的精神。
“春节不能回家过年,对于我们来说已经不算什么新鲜事了。春节保电工作重要性可想而知,从现场巡视、检查数据到后台分析比对等,每一步都不能有一丝松懈。”郑鑫说。
巡视工作结束时,天已微微亮。条条银线织成电网,根根杆塔连成输电长廊,凡人微光守护着万家灯火。(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) [责编:天天中] 阅读剩余全文() ![]() 天天彩票地图 |