彩天下app下载app-彩天下app平台

国家体育总局：举办高危险体育赛事应向有关部门申请******

　　中新网2月3日电 国家体育总局近日发布《关于做好高危险性体育赛事活动管理工作的通知》指出，只要举办高危险性体育赛事活动，不论是否以营利为目的，都应当依法依规向地方体育行政部门申请许可。

　　通知全文如下：

　　一、明确高危险性体育赛事活动管理范围和对象

　　(一)准确把握高危险性体育赛事活动名称和条件

　　体育总局等七部门联合发布的《目录》，将潜水赛事活动、航空运动相关赛事活动、登山相关赛事活动、攀岩相关赛事活动、滑雪登山赛事活动、汽车摩托车相关赛事活动等6大类18个小项的赛事活动列入第一批高危险性体育赛事活动，并对纳入《目录》的高危险性体育赛事活动名称以及条件进行了明确规定。对于没有附加条件的，该项目所有体育赛事活动均为高危险性体育赛事活动，必须按照《体育法》规定向县级以上地方人民政府体育行政部门(以下简称地方体育行政部门)提出申请；对于有附加条件的，符合该条件的体育赛事活动属于高危险性体育赛事活动，也必须按照《体育法》规定向地方体育行政部门提出申请，条件之外的体育赛事活动不属于高危险性体育赛事活动，不需要进行行政许可。

　　由体育行政部门及其事业单位、单项体育协会主办、承办的高危险性体育赛事活动，不属于《目录》范围，主办、承办单位应当按照相关条件和要求从严进行审查，并承担相应责任。

　　(二)关于高危险性体育赛事活动许可对象

　　高危险性体育赛事活动的许可对象是指《目录》所列赛事活动的组织者，由组织者提出许可申请。赛事活动组织者有主办方、承办方、协办方的，原则上由赛事活动的主办方提出许可申请，受主办方书面委托，承办方也可以提出许可申请。按照《办法》有关规定，高危险性体育赛赛事活动的组织者为自然人、法人和非法人组织，其中既包括企业，也包括行政部门、事业单位、社会团体、民办非企业单位等。只要举办高危险性体育赛事活动，不论是否以营利为目的，都应当依法依规向地方体育行政部门申请许可。

　　二、规范高危险性体育赛事活动许可程序

　　(三)关于出具专业技术人员相应资格或者资质证明

　　《体育法》第一百零六条规定，举办高危险性体育赛事活动，应当配备具有相应资格或者资质的专业技术人员。高危险性体育赛事活动一般具有较强的专业技术性，从提高赛事活动规范性、专业性、安全性角度出发，必须配备相应的专业技术人员。《办法》规定，举办高危险性体育赛事活动应提交专业技术人员的资格或资质证明材料。由于高危险性体育赛事活动行政许可是一项新制度，目前国家对于《目录》中赛事活动涉及的部分专业技术人员尚无相应或健全的职业标准。为此，涉及这些赛事活动的，《举办高危险性体育赛事活动许可条件及程序》(以下简称《许可条件》)明确应以全国性单项体育协会关于专业技术人员的资质规定为标准。有关全国性单项体育协会应当不断完善专业技术人员资质认定工作，加强相关培训，壮大专业技术人员队伍，满足举办高危险性体育赛事活动的需求；应当建立专业技术人员资质公示制度，将符合《许可条件》相关资质要求的专业技术人员向社会公布，便于公众查询，接受社会各界监督。对于在行政许可申请环节尚难提供具体参赛人员和专业技术人员相应资格或资质证明材料的，申请人应当作出参赛人员和专业技术人员符合相应资格或资质要求的承诺，并在赛事活动举办前及时提交相关证明材料。

　　(四)关于配置符合相关标准和要求的场地、器材和设施

　　《体育法》第一百零六条规定，举办高危险性体育赛事活动，应当配置符合相关标准和要求的场地、器材和设施。《许可条件》明确提出，高危险性体育赛事活动组织者应当按照相关标准和要求配置场地、器材和设施，并形成说明性材料。说明性材料应当对内容的真实性作出承诺，并明确不符合承诺自行承担相应的法律责任。有关全国性单项体育协会应当不断完善高危险性体育赛事活动场地、器材和设施标准和要求。地方体育行政部门应当按照《许可条件》对高危险性体育赛事活动涉及的场地、器材和设施进行核查，必要时可委托第三方机构出具专业性意见。

　　(五)关于制定通信、安全、交通、卫生健康、食品、应急救援等相关保障措施

　　《体育法》第一百零六条规定，举办高危险性体育赛事活动，应当制定通信、安全、交通、卫生健康、食品、应急救援等相关保障措施。高危险性体育赛事活动由于海拔、天气、地形等自然环境复杂，对于安全保障条件有较高要求，组织者应当根据赛事活动特点和《许可条件》要求，落实相关保障措施。按照《办法》规定，高危险性体育赛事活动组织者在申请时应提交风险评估报告、风险防范及应急处置预案、安全工作方案、医疗保障及救援方案、赛事活动“熔断”机制、赛事活动组织方案等材料。

　　(六)关于实地核查工作

　　《体育法》以及《办法》均明确规定，地方体育行政部门应当自收到举办高危险性体育赛事活动申请之日起三十日内进行实地核查，这是地方体育行政部门实施高危险性体育赛事活动许可的必经程序。地方体育行政部门可以指派两名及以上工作人员进行实地核查，也可以委托检验机构或认证机构进行实地核查，但地方体育行政部门工作人员应当一同前往，委托费用由地方体育行政部门承担。实地核查主要核查申请人提交材料所述内容是否真实，应当按照《许可条件》规定的条件标准逐项审核。

　　涉及器材、设施等场地布置环节具体事项，可结合赛事活动实际情况，采取较为灵活的核查方式，既要确保相应要求落实到位，又要有利于赛事活动的举办。

　　三、提升高危险性体育赛事活动管理工作水平

　　(七)建立高危险性体育赛事活动管理机制

　　《体育法》明确实施该项行政许可的主体是地方体育行政部门，省级体育行政部门应当抓紧研究制定省、地市、区县分级管理办法，明确地方各级体育行政部门工作内容，规范管理流程，建立配套制度规定，尽快建立健全本辖区内高危险性体育赛事活动行政许可管理机制，明确责任主体。

　　(八)加强与相关职能部门的沟通合作

　　高危险性体育赛事活动管理涉及行政许可、行政处罚、行政检查，是一项综合性执法工作。地方体育行政部门应当根据《体育法》规定，会同同级公安、市场监管、应急管理等部门按照各自职责范围加强对高危险性体育赛事活动的监管。对于执法力量不足的，应当积极争取将高危险性体育赛事活动执法工作纳入相对集中行政处罚权综合执法范围，也可以依法委托综合执法机构承担。加强与同级工信、公安、人力资源社会保障、交通运输、卫生健康、应急管理、市场监管等部门的沟通合作，指导高危险性体育赛事活动的组织者做好相关服务保障。

　　(九)加强高危险性体育赛事活动执法监督管理

　　《体育法》以及《办法》对高危险性体育赛事活动行政许可工作作出了具体规定，地方体育行政部门应当严格依法依规实施行政许可。如果对符合法定条件的不予许可，对不符合条件的给予许可，负有责任的主管人员和其他直接责任人员应当承担相应的法律责任。这既涉及地方体育行政部门的权利与责任，更涉及自然人、法人和非法人组织合法权益的保障，应依法依规实施许可，避免因许可行为不当而产生行政复议和行政诉讼的法律后果。上级体育行政部门应当加强对下级体育行政部门实施行政许可的监督检查，及时纠正行政许可实施中的不当和违法行为。

　　(十)认真抓好学习宣传贯彻工作

　　《体育法》于2023年1月1日起正式施行，新修订的《办法》和新制定的《目录》已经正式发布。体育总局将把贯彻落实《体育法》及其配套规定，作为今后一段时期全国体育系统普法工作的重要内容。地方体育行政部门应当组织专项学习，加深对高危险性体育赛事活动管理工作的认识，强化责任意识，提高管理能力和水平；结合工作实际，积极开展相关培训，确保基层负责行政许可的工作人员明确工作程序和要求。尤其要对高危险性体育赛事活动组织者、参与者进行有针对性的宣传，切实提高相关主体对高危险性体育赛事活动的认识，明晰相关政策，保护自身权益。

　　加强高危险性体育赛事活动管理是保护人民群众生命健康安全、促进体育赛事活动规范有序发展的重要举措。各地体育行政部门要高度重视，严格按照相关法律法规要求，规范高危险性体育赛事活动各项管理工作，并按照《中华人民共和国行政许可法》相关规定和要求，在机构设立、人员充实、设备配置、经费保障等方面积极向同级人民政府争取支持。

　　在实施高危险性体育赛事活动行政许可工作中遇有问题，请及时与体育总局联系。

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）