楼主您好，请问这个问题您现在解决了吗？我现在也在纠结这个问题，请问有什么方法可以分享吗？非常感谢您无私热心的帮助。

楼上解决了嘛，我也遇到这个问题了

你好！对于你的第一个问题，滚动预测（也称为滚动窗口或递归预测）通常涉及到以下步骤：

1. **数据分段**：将你的训练数据分为多个重叠的部分。例如，如果你有100个观测值，并且想要使用前90个观测值来预测第91个观测值，然后用前91个观测值预测第92个观测值，以此类推。

2. **模型拟合**：对于每个滚动窗口，用该窗口内的数据训练一个ARIMA模型。

3. **样本外预测**：使用训练好的模型对下一个时间点的观测值进行预测。这个预测值就是样本外预测值。

4. **计算指标**：将样本外预测值与对应的检测集数据比较，计算RMSE、MAPE等评价指标。

对于你的第二个问题，在R中计算RMSE和MAPE可以使用以下方法：

1. **RMSE（均方根误差）**：你可以使用`sqrt(sum((y_true - y_pred))^2) / length(y_true))`这个公式来计算RMSE。如果想用现成的包，可以使用`Metrics`包中的`rmse()`函数。

2. **MAPE（平均绝对百分比误差）**：MAPE是预测值与真实值之差占真实值的百分比的平均值。计算公式为`(sum(abs((y_true - y_pred)) / y_true))) / length(y_true))`。如果使用`Metrics`包，可以调用`mape()`函数。

在R中安装`Metrics`包，可以使用以下命令：

```r
install.packages("Metrics")
```

然后加载该包以便使用其提供的函数：

```r
library(Metrics)
```

希望这些信息能帮到你！

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

library(Metrics)
ac<-c(10,9,2,8)
fc<-c(8,10,3,9)
accuracy(ac,fc)
mape(ac,fc)
rmse(ac,fc)