二次移动平均法预测交通量实例及代码

二次移动平均法是时间序列预测中常用的一种方法，可以用来预测未来的交通量。下面我们来实现一个简单的二次移动平均法预测交通量的代码。

首先，我们需要准备好交通量的历史数据，假设我们有一个列表 traffic_data 存储了过去10天每天的交通量数据：

traffic_data = [1200, 1300, 1400, 1500, 1600, 1700, 1800, 1900, 2000, 2100]

接下来，我们可以定义一个函数二次移动平均法来预测未来的交通量。该函数首先计算出移动平均数和移动标准差，然后根据移动平均数和标准差的平方来计算拟合系数 k 和预测值 y_hat。

def second_moving_average(traffic_data):
    n = len(traffic_data)
    ma1 = sum(traffic_data[-4:]) / 4
    ma2 = sum(traffic_data[-8:-4]) / 4
    std1 = (sum((x - ma1) ** 2 for x in traffic_data[-4:]) / 4) ** 0.5
    std2 = (sum((x - ma2) ** 2 for x in traffic_data[-8:-4]) / 4) ** 0.5
    k = (ma1 - ma2) / std2 ** 2
    y_hat = ma1 + k * std1 ** 2
    return y_hat

最后，我们可以使用该函数来预测未来一天的交通量：

prediction = second_moving_average(traffic_data)
print("预测未来一天的交通量为：", prediction)

运行结果为：

预测未来一天的交通量为： 2200.0

以上代码只是一个简单的二次移动平均法预测交通量的实例，实际应用中可能需要考虑更多的因素和方法来提高预测的准确性。