从调研的10个主要城市来看,租房市场的房源多以老房为主。 中国城市住房租赁智库联合自如研究院供图
面对需求不断升级的租客,近年来城市业主开始面临多重出租难题。长期空置、房子持续“出问题”、租金收益不及预期等是令业主头疼的问题。调研团队方面当日对记者表示,房屋品质不足、生活服务缺失、合规性挑战等问题是导致出租不理想的部分原因。其实,这些也是业主个人自行打理的闲置房屋普遍存在的问题。
据介绍,从调研的10个主要城市来看,租房市场的房源多以老房为主:其中,北京、上海、深圳、广州出租房源的平均房龄超过22年,而目前装修合理使用年限在10到15年,老龄化房源存在一定的户型陈旧、装修老化等问题;成都、武汉、杭州等新一线城市的出租房源虽然“年轻”些,但平均房龄也在12年左右,因为出租房房源在新城区、卫星城区数量占比高,毛坯房、简装房较为常见。
调研显示,在租房需求、出租难点快速变化的影响之下,城市业主们的出租观念也在悄然发生着变化。 数据显示,目前有超过六成的业主认可“追求年度总收益>追求单月高租金”“出租率稳定最重要”“出租前可以在装修上适当投入”“可选择专业长租机构出租”等观点,有超过四成业主表示会将“能否提供明确的租金收益规划”和“能否提供保底收益”作为重要的委托决策标准。
调研团队方面认为,专业长租机构或成为弥合城市租住群体不断提升的品质需求,与个人业主条件有限的房屋供给间的重要“联结器”。有分析显示,春节后的租房市场或将迎来一轮大幅回升,进入春夏季之后,白领及高校毕业生群体将会助推形成一波需求浪潮。调研团队方面认为,个人业主也需要对自身房源的市场竞争力有理性认知,在租住需求爆发期到来之前,通过机构托管、装配升级等方式,提升房屋出租价值,为实现长期稳定出租、综合收益提升打下基础,也以此提升闲置房屋的供给价值,为新市民幸福安居贡献力量。(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() |