哎呀， 例如，我有多个温度时间序列。这些时间序列的长度不同（1-8天），并且通常来自不重叠的日期：时间，但数据点之间的间隔是一致的（30分钟）。每个时间序列都与一个数字结果相关联，在本例中我们将其称为相关时间序列的总降雨量。这个结果显然与时间序列不是同一个变量，所以我不是在预测温度。降雨量变量也没有可用的时间序列，只有每个时间序列末尾的单个测量值。因此没有与每次温度测量相匹配的降雨数据。我所追求的是一种使用温度数据（特别是作为时间序列）来预测时间序列期间总降雨量的点估计的方法。假设我尝试建模的信号是较高的平均温度与较低的总降雨量相关。
我已经能够通过将每个时间序列的关键特征作为变量来将时间序列数据转化为简单的回归问题，例如最高温度、平均温度、最低温度、累积温度等，但我对一种使用多个时间序列来训练一个模型的方法特别感兴趣。
我希望有人可以指导我找到模型、文献、方法或其他具有可能解决方案的帖子。
我个人没有使用过这些，但我相信你正在寻找的东西被称为（至少在某些圈子里）函数标量回归。有时也称为“信号”回归。也许值得研究 R 中的 refund
包以获得一些想法和进一步的指导。抱歉，我无法通过示例提供更多帮助