我有一个问题，我有很多关于恒温器一年记录的数据，每小时它都会给我那个家庭的平均温度。但很多数据都不可用，因为他们只在年中安装恒温器，或者他们把恒温器放了一周或。。。但是很多恒温器的数据都非常相似。我想做的是使用类似的时间序列估算缺失的数据。
假设A家在7月份才开始，但从那时起，它们与B家非常相似。然后，我想使用B家的信息来预测A家7月份之前的数据。
我曾想过训练一个递归神经网络，它可以为我做到这一点，但我不知道有什么可以做到这一步，当我搜索论文时，他们几乎只研究多年来的数据集，并使用前几年的数据估算数据。我没有这些数据，所以这不是一个选项。
有人知道如何解决这个问题吗？或者我可以用一个参考来解决类似的问题吗？
据我所知，您希望使用横截面数据而不是时间序列信息来估算数据。
事实上，有很多插补包可以在R中为您做到这一点。(如果您使用R(
你需要等间距的数据。所以每小时1个值，如果它不存在，那么它需要是NA。所以理想情况下，你有多个相同长度的时间序列。
然后根据时间戳/小时合并这些时间序列。
然后，您可以应用插补包，例如mice、missForest、imputeR，基本上只有一行代码。这些包将使用不同时间序列之间的相关性来估计这些序列中的缺失值。