国际油价走低、原油系期货飘绿，为何汽柴油价格仍上调******

　　国家发改委2月3日傍晚发布消息，根据近期国际市场油价变化情况，按照现行成品油价格形成机制，自2月3日24时起，国内汽、柴油价格(标准品)每吨分别提高210元和200元。

　　折升价，上述调幅对应92号汽油上调0.16元，95号汽油和0号柴油均上调0.17元。据大宗商品资讯机构卓创资讯测算，以油箱容量在50L的家用轿车为例，加满一箱92号汽油将较之前多花8元，95号汽油多花8.5元。油耗方面，以月跑2000公里，百公里油耗在8L的小型私家车为例，到下次调价窗口开启(2月17日24时)之前的时间内，消费者用油成本将增加12元左右。物流行业，以月跑10000公里，百公里油耗在38L的重型卡车为例，在下次调价窗口开启前，单辆车的燃油成本将增加301元左右。

　　经澎湃新闻计算，进入2023年以来，成品油调价经历“二涨一跌”。涨跌互抵后，年内汽油、柴油价格分别上涨255元/吨、245元/吨，对应每升92号汽油、95号汽油及0号柴油上涨0.20元左右。国内大多数地区92号汽油零售限价处于7.5-7.9元/升区间。

　　国际原油期货方面，截至2月2日收盘，2023年3月交货的WTI原油期货下跌0.53美元/桶(-0.69%)，结算价报75.88美元/桶；2023年4月交货的布伦特原油期货下跌0.67美元/桶(-0.81%)，结算价报82.17美元/桶。3日，国际油价显著下跌。自2月以来，油价震荡走低。

　　调价当天，在国内商品期市表现上，原油系品种飘绿。2月3日日间盘收盘，国内商品期货主力合约多数收跌。截至当天15时，燃油主力合约领跌期市，跌超3%，低硫燃料油跌超2%。上海国际能源交易中心日间盘原油期货合约低位震荡，国内原油期货主力2303合约开盘531.7元，截至日间收盘，收报531.9元，跌1.92%或10.4元；结算价为532.0元。

　　这看起来似乎是矛盾的。为什么会出现国际油价走低、原油系期货飘绿的同时，本轮调价窗口汽柴油价格却上调？其实，这是由国内成品油价格调整机制决定的。

　　按照《石油价格管理办法》有关规定，国内汽、柴油最高零售价格根据国际市场原油价格变化情况，每10个工作日调整一次。每次价格如何调整主要看调价前10个工作日国际油价平均值与再之前10个工作日平均值的比较情况，不是简单由调价前几天国际油价变动决定。从这轮计价周期的原油变化率看，国际原油价格呈现先扬后抑趋势，但整体价格走高。

　　金联创能源分析师王延婷表示，中国优化疫情防控政策后，出入境管控进一步放松，市场对中国能源需求预期乐观。另外，EIA将2023年全球原油需求增速预期上调5万桶/日至105万桶/日，再考虑到对俄罗斯石油制裁加码，对燃料供应减少的担忧增加。能源需求前景有所改善与供应减少担忧共同提振油价持续反弹。后期虽然因炼油需求疲软和出口低迷，美国原油库存增加，以及在欧洲央行与英国央行货币政策公布前，市场心态趋于谨慎，对原油价格形成打压，但原油整体均价依然上涨明显。

　　从历史调价数据看，成品油调价与国际油价走势并非“跟涨不跟跌”。此前也多次出现过调价日之前国际油价大幅上涨，但当期国内成品油价格却下调的情况。例如，2021年12月17日是调价日，之前2个工作日国际油价连续上涨，但当期国内汽、柴油价格每吨分别下调130元、125元。据澎湃新闻不完全统计，2021年7月26日、3月31日，2020年9月18日等调价日均出现过类似情况。

　　隆众资讯原油分析师李彦认为，以当前的国际原油价格水平计算，下一轮成品油调价开局将呈现下跌的趋势。目前来看，欧美经济衰退忧虑仍在延续，俄罗斯实际供应没有出现显著下滑，预计下一轮成品油调价下调的概率较大。

　　卓创资讯成品油分析师王雪琴称，美联储加息放缓符合市场预期，但全球央行紧缩货币政策不变，依然对国际油价形成利空压制。另一方面，欧佩克+维持现有产量政策不变，在一定程度上对油市底部支撑明显。短期国际油价单边推涨的压力依然较大，油价有望延续波动行情。新一轮调价以下调预期开场。

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