二次移动平均法交通量预测MAE的代码

下面是使用二次移动平均法进行交通量预测，并计算MAE的Python代码示例：

import numpy as np

# 二次移动平均法交通量预测
def quadratic_moving_average(data, k):
    ma = np.zeros_like(data)
    for i in range(k, len(data)):
        ma[i] = (2 * data[i-1] + data[i-k]) / 3
    for i in range(k, len(data)):
        ma[i] = (2 * ma[i-1] + ma[i-k]) / 3
    return ma

# 计算MAE
def mae(actual, predicted):
    return np.mean(np.abs(predicted - actual))

# 测试数据
data = np.array([11, 12, 13, 14, 15, 16, 17, 18, 19, 20])
k = 3

# 进行交通量预测
ma = quadratic_moving_average(data, k)
print("预测结果：", ma)

# 计算MAE
actual = np.array([16, 17, 18, 19, 20, 21, 22, 23, 24, 25])
mae_score = mae(actual, ma[k:])
print("MAE得分：", mae_score)

注：这里使用的是二次移动平均法，其中k表示移动平均窗口大小。在代码中，我们使用numpy库来进行数组操作，计算MAE可以使用numpy库的mean和abs函数。