2022年武汉GDP为18866.43亿元 比上年增长4%******
中新网2月1日电 据武汉统计微信公众号1日消息，根据湖北省市州生产总值统一核算结果，初步核算，2022年武汉市地区生产总值(GDP)18866.43亿元，按可比价格计算，比上年增长4.0%。分产业看，第一产业增加值475.79亿元，增长3.2%；第二产业增加值6716.65亿元，增长7.3%；第三产业增加值11673.99亿元，增长2.3%。
农业生产稳中有升，主要农产品产量持续提高
2022年，武汉市实现农林牧渔业总产值836.72亿元，按可比价计算，比上年增长3.9%。其中农业总产值477.70亿元，增长2.7%；林业总产值10.99亿元，增长6.2%；牧业总产值113.17亿元，增长3.6%；渔业总产值160.77亿元，增长4.8%；农林牧渔及辅助性活动产值74.09亿元，增长11.6%。全市粮食产量89.88万吨，下降0.96%；蔬菜产量841.29万吨，增长2.5%。
工业经济稳中提质，高技术制造业保持快速增长
2022年，武汉市规上工业增加值比上年增长5.0%，其中采矿业增长64.8%，制造业增长5.1%，电力热力、燃气及水生产和供应业增长0.8%。规上高技术制造业增加值增长16.3%，增速快全市规上工业11.3个百分点，年内始终保持两位数增长；增加值占全市规上工业的比重为17.1%，比上年提高1.0个百分点；对全市规上工业增长的贡献率为55.7%，比上年提高19.0个百分点。
固定资产投资增速较快，先进制造业投资增势较好
2022年，武汉市固定资产投资比上年增长10.8%，继续保持两位数增长，延续了平稳快速增长态势。从投资领域看，基础设施投资增长10.8%，比上年加快6.9个百分点。房地产开发投资增长5.5%。工业投资增长19.3%，比上年加快9.3个百分点。工业投资中，制造业投资增长19.1%，电气机械和器材制造业、医药制造业、铁路船舶航空航天和其他运输设备制造业等先进制造业投资高速增长，分别增长177.4%、17.3%、38.1%，是带动工业投资增长领先的重要力量。从投资主体看，民间投资增长1.0%，占全市投资比重为45.0%。
消费市场稳步复苏，对外贸易总体平稳
2022年，武汉市实现社会消费品零售总额6936.20亿元，比上年增长2.1%。从行业看，限上批发业和限上零售业销售额分别增长7.7%和3.8%，限上住宿业营业额下降9.7%，限上餐饮业营业额增长0.9%。从消费方式看，限上批零住餐企业实现网上实物商品零售额1093.47亿元(占限上社零额30.0%)，增长4.6%，快限上社零额增速1.4个百分点。从商品种类看，我市15类主要限上零售业商品中，9类零售额同比实现正增长。其中，建筑及装潢材料、饮料、中西药品、石油及制品、汽车类分别增长22.8%、18.9%、15.7%、11.9%和11.3%。新能源汽车增长156.2%，占汽车类比重由上年的10.4%提高到23.8%。
2022年，全市进出口总额达3532.2亿元，比上年增长5.3%。其中，出口2153.0亿元，增长11.6%；进口1379.2亿元，下降3.3%。
财政收入保持增长，金融信贷增长平稳
2022年，武汉市一般公共预算总收入2690.23亿元，按可比口径(扣除留抵退税因素)，比上年增长4.4%。地方一般公共预算收入1504.74亿元，可比增长3.7%。其中税收收入1239.56亿元，可比增长1.7%，税收收入占地方一般公共预算收入比重为82.4%。
截至12月末，武汉市金融机构本外币存款余额为35754.03亿元，比上年增长5.9%。金融机构本外币贷款余额为44383.81亿元，增长8.7%。
居民收入稳步增加，消费价格温和上涨
2022年，全市城镇居民人均可支配收入58449元，比上年增长5.7%；农村居民人均可支配收入29304元，增长7.7%。
2022年，武汉市居民消费价格(CPI)同比上涨2.3%，涨幅比上年扩大1.7个百分点。交通通信、教育文化娱乐、食品烟酒、其他用品及服务、居住、生活用品及服务、衣着、医疗保健类价格分别上涨4.8%、2.7%、2.6%、2.3%、1.8%、1.4%、0.7%和0.2%。(中新财经)
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
