点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
“万亿之城”晒GDP目标，释放啥信息？******
中新网1月6日电(记者 李金磊)中国有24座万亿GDP城市，这些万亿之城2022年经济发展如何？2023年经济增长目标又是多少？
近日来，已有武汉、济南、青岛、长沙、合肥、郑州、福州等万亿之城晒出了2022年经济发展“成绩单”，也亮出了2023年经济发展“计划书”。
中新财经注意到，这些万亿之城设定的2023年GDP增长预期目标普遍高于2022年实际GDP增速。
资料图：一轮“超级月亮”从黄鹤楼旁缓缓升起。图片来源：视觉中国万亿之城2022年表现如何？
24个万亿之城分别为上海、北京、深圳、广州、重庆、天津、苏州、武汉、成都、杭州、南京、青岛、无锡、长沙、宁波、郑州、佛山、福州、泉州、南通、合肥、西安、济南、东莞。
截至1月5日，已有武汉、济南、青岛、长沙、合肥、郑州、福州、东莞等万亿之城披露了2022年GDP增长数据(预计值)。
武汉在2023年政府工作报告中指出，预计2022年武汉地区生产总值增长4.5%左右，总量达到1.9万亿元左右。
合肥在2023年政府工作报告指出，预计地区生产总值增长3.6%左右，经济总量再跨千亿台阶、突破1.2万亿。
当地2023年政府工作报告显示，初步测算，郑州2022年生产总值增长2%左右。福州市预计2022年地区生产总值增长5.2%以上。长沙预计2022年地区生产总值增长4.8%。济南预计全市地区生产总值超过1.2万亿元。
2021年成功实现“GDP超万亿、人口超千万”的东莞，近日披露的数据显示，预计2022年全年GDP超1.1万亿元。
今年GDP目标普遍高于去年增速
武汉、济南、青岛、长沙、合肥、郑州、福州等在政府工作报告中提出了2023年预期增长目标，普遍高于2022年实际GDP增速。
其中，郑州2023年主要预期目标是生产总值增长7%。长沙2023年主要预期目标是地区生产总值增长7%左右。
武汉市2023年主要预期目标是地区生产总值增长6.5%以上。合肥2023年经济社会发展主要目标建议为生产总值增长6.5%以上。福州市主要预期目标是地区生产总值增长6.5%左右。
济南主要预期目标是地区生产总值增5.5%以上。青岛主要预期目标是全市生产总值增长5.5%左右。
上述万亿之城的2023年GDP增速目标均未低于5.5%，集中在5.5%-7%区间。
2023年GDP增长目标普遍高于2022年实际增速，背后是2023年中国经济运行有望总体回升的预期。
目前，市场普遍预期2023年中国经济增速高于5%。近期，摩根士丹利预测中国经济2023年将增长5.4%。高盛集团将2023年中国经济增速的预测从4.5%上调至5.2%，认为消费板块有望成为2023年中国经济增长的亮点。
长沙街头资料图。中新网记者 李金磊 摄促进消费恢复扩大成重要任务
中央经济工作会议强调，要把恢复和扩大消费摆在优先位置。
郑州将2023年社会消费品零售总额增长目标设为12%，福州为10%，合肥为9%左右，长沙为7%，济南为5.5%左右，青岛为5%以上。
郑州要求，加快释放消费潜力，适度调整限购区域、支持团购在售商品住房、确保新市民都市圈居民购房同等待遇、推进租购并举、降低购房信贷负担、落实认房不认贷等措施，开展人才八折购房、新市民购房等活动，解决好青年人才、新市民等群体住房问题，稳定促进住房消费。
合肥提出，促进消费加快恢复。把恢复和扩大消费摆在优先位置，全面提升消费能级，争创国际消费中心城市。
青岛将扩内需列为2023年重点工作之首，要求出台实施提振接触性消费的政策措施，推动文化旅游、住宿餐饮、批发零售等行业加快恢复，着力促进新能源汽车和智能家电等消费。
“随着疫情防控措施的不断优化，消费将迎来强劲的恢复性增长，消费在稳增长中的基础性作用将进一步增强。”中国民生银行首席经济学家温彬对中新财经表示，展望2023年，中国经济将呈现稳固恢复态势，增长动能将更加均衡，预计全年增速达到5.5%左右，回升到潜在增长水平。(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（）  视觉焦点
佰家富app地图 |
)