二次移动平均法交通量预测RMSE、MAE、MAPE、MRE代码

### 回答1：
以下是使用二次移动平均法进行交通量预测，并计算预测结果的均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和平均相对误差（MRE）的示例代码：

import numpy as np

# 定义二次移动平均函数
def quadratic_moving_average(data, window_size):
    window = np.ones(window_size) / window_size
    data_smoothed = np.convolve(data, window, mode='same')
    data_quadratic = np.convolve(data_smoothed, window, mode='same')
    return 2 * data_smoothed - data_quadratic

# 定义计算误差函数
def calculate_error(actual, predicted):
    rmse = np.sqrt(np.mean((predicted - actual) ** 2))
    mae = np.mean(np.abs(predicted - actual))
    mape = np.mean(np.abs((predicted - actual) / actual)) * 100
    mre = np.mean((predicted - actual) / actual)
    return rmse, mae, mape, mre

# 生成示例数据
np.random.seed(123)
actual_data = np.random.randint(50, 150, size=100)

# 预测未来10个时间点的交通量
window_size = 5
predicted_data = []
for i in range(100, 110):
    # 使用过去5个时间点的数据进行预测
    data = actual_data[i-window_size:i]
    predicted_value = quadratic_moving_average(data, window_size)[-1]
    predicted_data.append(predicted_value)

# 计算误差
rmse, mae, mape, mre = calculate_error(actual_data[100:], predicted_data)

print('RMSE:', rmse)
print('MAE:', mae)
print('MAPE:', mape)
print('MRE:', mre)

这段代码首先定义了一个二次移动平均函数，接着定义了一个计算误差的函数。然后生成了示例数据，使用过去5个时间点的数据进行预测未来10个时间点的交通量，并计算预测结果的误差。最后输出了均方根误差、平均绝对误差、平均绝对百分比误差和平均相对误差四个指标的值。

### 回答2：
对于二次移动平均法（quadratic moving average），交通量预测常用的评估指标包括均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和平均相对误差（MRE）。以下是使用Python编写的计算这些指标的代码示例：

首先，需要导入所需的库：

import numpy as np

接下来，我们定义一个函数来计算RMSE：

def calculate_rmse(actual, predicted):
    return np.sqrt(((actual - predicted) ** 2).mean())

然后，我们定义一个函数来计算MAE：

def calculate_mae(actual, predicted):
    return np.abs(actual - predicted).mean()

接下来，我们定义一个函数来计算MAPE：

def calculate_mape(actual, predicted):
    return np.mean(np.abs((actual - predicted) / actual)) * 100

最后，我们定义一个函数来计算MRE：

def calculate_mre(actual, predicted):
    return np.mean((actual - predicted) / actual) * 100

使用以上代码，我们可以将实际值和预测值作为输入，分别调用这些函数来计算RMSE、MAE、MAPE和MRE指标的值。

注意：以上代码仅提供了计算指标的示例，具体应用中可能需要进行数据预处理和调整，以适应实际情况。