基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

『冥河』葬送『埃拉特』--反舰导弹的首次实战

反舰导弹包括舰对舰、岸对舰、空对舰和潜对舰导弹。自问世以来,反舰导弹已先后经历了第三次中东战争、印巴战争、第四次中东战争、马岛战争、两伊战争、美利冲突、波斯湾事件和海湾战争的考验,取得了辉煌的战绩,被誉为“碧海杀手”。然而,在反舰导弹诞生之初,却没有引起大多数国家的重视。直到反舰导弹的首次实战——1967年“冥河”反舰导弹击沉“埃特拉”号驱逐舰后,才引起了世界的广泛关注,反舰导弹也自此昂首走上了战争舞台,得到了迅速发展。