快三官方-快三官方

奋楫笃行·市规划自然资源委顺义分局以保障房供应为抓手 为产业高质量发展积势蓄能******

    导 读

　　习近平总书记在党的二十大报告中指出，要建设现代化产业体系，坚持把发展经济的着力点放在实体经济上。市规划自然资源委顺义分局立足职能，以保障房供应为抓手，聚焦企业急难愁盼的问题，统筹规划引领与规划实施，统筹产业发展与农民增收，统筹市场需求与资源供给，统筹职住平衡与产城融合，实施产业园区周边配套设施提升行动，推出三个有需求、有配套、有品质、能落地的集体土地建设保障性租赁住房项目，切实解决企业后顾之忧。

　　顶层设计，统筹兼顾

　　根据《北京市城市总体规划(2016年—2035年)》，顺义区作为创新引领的区域经济提升发展先行区，目前正处在新兴产业发展的关键阶段。经实地调研，企业对产业园区周边配建保障性租赁住房的需求较为强烈。为切实解决入区企业的“急难愁盼”，顺义区决定在中关村顺义园区和中德产业园区周边利用集体土地建设三个保障性租赁住房，一方面发展集体经济，盘活集体土地，促进农民增收；另一方面精准服务企业，解决企业需求，持续完善产业生态。三个保障房项目由政府统筹规划选址、统筹建设运营、统筹配套建设、统筹租赁管理，目前已全部实现供应，总用地面积约12公顷，建成后预计可提供约3000套保障房。

顺义区主要功能区布局规划图

　　摸清底数，明确需求

　　分局会同区住建、经信、属地政府和产业园区将现状租赁住房存量与企业上报实际需求进行叠合分析，明确全区租赁住房需求缺口的规模、类型和空间分布。结合全区产业发展布局，综合考量本区产业基础较好地区进行选址，并对当地现状企业员工房屋租赁空间、类型及租金水平进行实地调研，开展画像描述，明确功能配套、公共服务、租金等需求。

产业园区周边保障房资源和需求空间分布图

　　多元分析，保障配套

　　分局立足规划引领，联动区级各相关部门、属地开展多维度分析，选取配套设施完善、交通便利的区位推进保障房建设。参照《北京市保障性租赁住房建设导则》等规范中关于租赁住房规划选址要求，对顺义用地空间从配套设施、交通设施以及职住平衡三方面进行评价，选取适合租赁住房建设区域。在此基础上，属地结合用地现状、国土空间规划编制等实际工作，进行选址确认，并将确定的建设图斑和选址方案报区级部门联合审查，重点对城市风貌、商业公服配套、教育医疗设施等会商研究，确保配套同步建设使用。

保障房用地选址综合要素技术分析路线（局部）

　　契合需求，把控品质

　　分局根据服务人群的工作和生活特征，结合居住及其配套、公共交流等需求开展建设方案设计。居住方面，设计居住标准单元，在把握成本的同时，提升居住品质，满足单人、双人居住需求，并为多人居住提供多种户型的组合方式，更具灵活性，满足多元化需求。配套和公共交流方面，充分统筹地块空间，除在居住公共空间设置会客厅、快递室、自助洗衣房等配套设施满足日常需求外，设立独立商业，引进便利店、咖啡店、书店、美容美发等商业设施，满足休闲交流需求。

基于实地调研明确供给端设计要求

　　精准测算，推动落地

　　分局分别就项目实施主体、产业园区企业关心内容进行分析测算，确保保障房项目落地。参考项目周边住房租金水平，考虑保障性租赁住房的优惠政策、未来租金涨幅等因素，精准测算项目保障房的住房租金价格。与企业深入交流座谈项目区位、设计方案、户型设计、租金价格相关信息，同时对项目资金投入、收益平衡年限等进行测算，保障项目经济可行性。

　　分局将会同相关部门，加快推进三个保障房项目建设工作，深耕产业发展基础，助力企业“轻装上阵”，在盘活集体土地、保障农民增收的同时提升市民、青年人等群体住房满意度。

　　本内容由市规划自然资源委顺义分局提供

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）