时间序列模型 HA

数据为纽约市的交通进出情况（一个txt进，一个txt出），然后已知一年365天*24小时的数据，想用HA来预测，并计算MAE和RMSE来评估预测准确性。

我的read()函数是用来拼接两个文件夹里的数据的，一般只要读取一个文件夹的数据即可，返回是一个大矩阵。

我的HA是按周来计算的，第一周不参与评价预测。从第8天开始，以之前每周的同一天取平均做预测。

比如今天是周二，则累加之前所有周的周二的数据，取平均值。

 

import numpy as np
from Train_Validate import *
import math

def read():
    matrix = []
    file1 = "tensor_year_hour_lease.txt"
    file2 = "tensor_year_hour_return.txt"
    f1 = open(file1, "r")
    f2 = open(file2, "r")
    matrix1 = []
    lines1 = f1.readlines()
    for line in lines1:
        arr = line.split(",")
        arr = np.array(arr, dtype=int)
        matrix1.append(arr)
    f1.close()
    matrix2 = []
    lines2 = f2.readlines()
    for line in lines2:
        arr = line.split(",")
        arr = np.array(arr, dtype=int)
        matrix2.append(arr)
    f2.close()
    matrix = np.hstack((matrix1, matrix2))  # 拼接成功 输出（8760*188）
    return matrix


def ha(day,hour):
    lines = read()
    # print(lines.shape)
    now = (day-1)*24+hour
    onweek = day % 7  # 这天是一周内的第几天
    times = math.ceil(now / 7 / 24)  # 向上取整 得次数
    # print("time:", times)
    sum = [0 for i in range(188)]
    for i in range(0, times):
        sum = np.array(sum) + np.array(lines[i*7*24+onweek*24+hour])
    # print(sum)
    sum = np.array(sum)
    sum = sum / times
    return sum

def ergodic():
    bigaa = []
    for i in range(7, 365):  # 日期
        for j in range(0, 24):  # 小时
            print(i, j)
            aa = ha(i, j)
            bigaa.append(aa)
    res(bigaa)

def res(predect):
    predect = np.array(predect)
    real = read()
    real = real[168:]
    # print(real.shape)  # 8592 * 188
    # print(predect.shape)  # 8592 * 188
    # MAE
    mae = np.average(np.absolute(predect - real))
    # RMSE
    mse = np.average((predect - real) ** 2)
    rmse = mse ** 0.5
    print("MAE:", mae)
    print("RMSE:", rmse)

if __name__ == '__main__':
    ergodic()