向险而行 ,决战绕阳河
今年入汛以来,辽宁全省迎来了多轮强降雨天气,盘锦市 的降雨量也比往年偏多7成 ,绕阳河盘锦段更 是出现了有水文记录以来的最大洪水。
8月1日 ,绕阳河左岸曙四联段一处堤坝出现严重透水导致溃口,宽度一度扩展到51.7米。奔流的河水迅速倒灌,盘锦市紧急启动了防汛一级预警 。
当地居民还记得,被洪水侵蚀过 的沥青路面成片掀起 ,有的路段已经塌落,洪水几乎没过农户房子 的屋顶。
危难之时 ,一场惊心动魄 的溃口封堵战打响 。
狭窄 的堤坝上 ,硬实力与新科技集结 :推土机、挖掘机 、自卸车等重型工程救援装备有序作业,倾倒石料并推平压实;全站仪、多波束无人侦测船、测流无人机组成“海陆空”组合,对溃口口门宽度 、溃口水位高程 、溃口附近堤坝变形情况、河底冲刷数据进行动态监控 。
“以多波束无人侦测船为例,它就像三维彩超一样 ,能清晰地看到水下的溃口情况,绘制溃口处水下情况图,为专家组制定封堵方案提供第一手准确动态数据。”参加盘锦绕阳河溃口封堵 的中国安能集团安全总监王永平介绍 。
20米 、13米 、6米……在千万网友的关注下 ,经过不分昼夜的连续作业 ,溃口距离一点点缩小。终于在6日 ,被洪水冲开100多个小时 的河堤完全合龙 ,溃口南北两侧的抢修人员握手相遇 ,摇旗欢呼 。
辽宁盘锦绕阳河堤坝溃口封堵现场。 中国安能集团 供图装备更新 ,十年大不同
争分夺秒救人,全力以赴抢险。在工程救援领域,场场都 是大仗、硬仗 。
干旱 、洪涝、滑坡 、泥石流、地震……在触目惊心的自然灾害面前,人类显得特别渺小 。后续的自然灾害工程救援过程中 ,也常常伴随着通信中断 、滑坡、泥石流挡路,巨石挡道等各种复杂情况。
天灾无情 ,但中国救援队伍却从未向大自然 的力量低头。持续加大关键技术攻关和关键装备研发力度,提高专业化技术装备水平和防灾减灾救灾能力,只 是为了让救援 的速度快一些、再快一些 。
2008年汶川地震,救援队伍使用短波电台传出震中消息 ,这种电台需要专人操作 ,远距离通信还得架设地面天线;如今,救援队伍用上了天通卫星电话,小巧方便 ,全天候待机 ,随时向指挥所报告最新动态 。
准确收集掌握险情信息是科学指挥决策 的关键 。以前 ,救援队伍依赖纸质地图进行灾情侦测 ;如今,有了“天地水”三位一体侦测设备 ,前方第一时间对灾区进行三维数字建模 ,利用通信装备回传到后方指挥所 ,实时指挥。
从人工装填沙袋,到砂石自动装袋机 ;从冒着生命危险驾驶装备开辟生命通道 ,到无人遥控挖掘机;从笨重的工程作业机械 ,到多功能 、轻便化的应急救援装备……科技抢险利器 的广泛应用,让救援队伍如虎添翼 。
“研制这些装备 ,既是为了不断提升抢险救援能力 ,完成以往不可能处置 的险情 ,也能够对人力进行补充 ,完成以往需要花费更多人力、时间才能完成 的救援工作,更好提升抢险救援质效 。”中国安能集团总工程师张利荣说 。
救援现场 。 中国安能集团 供图科技赋能,救援提质效
2021年7月,河南省新乡市中北部遭受大暴雨 、特大暴雨 。洪水没过了庄稼和低矮 的房屋,上千名群众被困在屋顶等处等待救援 。怎样才能把他们快速安全地转移出来 ?
八方而来的救援队伍中,被誉为“救援航母”的动力舟桥位列其中 。传统搜救过程里,一艘冲锋舟只能坐5-6人,如果水里有各种杂物 ,还经常会被搅进螺旋桨里 。
由河中舟及岸边舟组装拼接而成 的动力舟桥 ,则可快速架设成各种形式的浮式结构 ,能够适应3.5米/秒 的流速 ,抵抗较大流速的水流冲击 。最多可运载500人或70吨级重型装备和车辆,集浮桥 、渡运于一体,有效解决了涉水抢险难题 。
风雨中架起“生命之舟”。经过近4个小时的持续救援 ,动力舟桥分7个批次,将1400余名被困群众全部成功转移。
暴雨袭城 ,城市中大量积水形成内涝同样会对生产生活产生巨大影响 。大功率排水抢险车,便适用于城市道路、公路隧道、无电源地区排水及消防应急供水防洪抢险。
垂直式大功率排水抢险车排水扬程高度可达22米 ,相当于能把水喷到7层居民楼房 的高度;“吸水能力”最为强悍的5000型大功率排水抢险车一小时能排5000方积水 ,可以迅速用于城市内涝积水清理。
风雨之中,危难之处,总有一抹橙色的光 ,向险而行、不辱使命 。以愈发先进 的科技装备,以大幅提升 的救援效率 ,以源远流长 的团结精神 ,中国人打造出独一无二 的中国救援速度 。(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() |