r - R中的多元时间序列预测

Question

我有一个数据集，其中包含特定位置的每日和非每日数据的组合。位置由经度和纬度指定（V1 和 V2 列）。V3 列代表特定位置的值，即心脏病流行指标。V4 和 V5 列分别代表第 1-3 天、第 2-4 天的风速每日位置特定记录。V6 列是急诊室第 1-3 天的每日死亡病例；V7 是第 2-4 天的死亡人数；V8 是第 3-5 天的死亡人数。

给定 V1 到 V7 中的值，我想创建一个多元线性回归模型，可以预测每个位置第三天的新死亡人数。 这就是数据集的样子。

这是我正在尝试做的一个例子：

d <- as.data.frame(matrix(c(1,1,1,-2,-2,-2,14,14,14,90,90,90,103,103,103,-6,-6,-6,50,50,50,70,70,70,112,112,112,11,11,11,8,8,8,26,26,26,1.2,1.2,1.2,0.8,0.8,0.8,1.3,1.3,1.3,0.7,0.7,0.7,1.7,1.7,1.7,2,2,2,10,20,17,20,25,26,60,70,70,10,12,13,109,117,120,61,67,63,20,17,18,25,26,24,70,70,90,12,13,11,117,120,110,67,63,64,0,4,5,1,4,6,5,7,9,12,23,4,7,6,5,8,9,12,4,5,6,4,6,9,7,9,13,23,4,12,6,5,25,9,12,40,5,6,16 ,6,9,30 ,9,13,32 ,4,12,23 ,5,25,32 ,12,40,61  ), nrow = 18, ncol = 8))

dtrain <- d[1:12,]
dtest <- d[13:18,][1:7]

l <- lm(V8 ~ V1 +V2 + V3 + V4 + V5 + V6 + V7 , data = dtrain)
p <- predict(l,dtest)

我想知道在这种情况下将非每日数据和每日数据混合在一起是否会影响回归模型的准确性。我是机器学习的新手，不确定我的数据集的形状以及如何处理多元回归（在这种情况下也是时间序列。）

标签： r