যদিও এটি কেবলমাত্র সামান্য সহায়ক হতে পারে, আপনি যে সমস্যাটি আমার কাছে উপস্থাপন করছেন তা হ'ল এককগুলি ব্যবহার করার সময় " সাপোর্টের পরিবর্তন " সমস্যার সাথে সমার্থক । যদিও এই কাজটি "ক্রিগিং" হিসাবে চিহ্নিত একটি পদ্ধতি ব্যবহার করে আপনি "রেগলাইজ এবং ইন্টারপোলেট" হিসাবে বর্ণনা করেছেন তার একটি ফ্রেমওয়ার্ক উপস্থাপন করেছে। আমি মনে করি না যে এই কাজটি কোনওরূপে সিরিজে আপনার অনুপস্থিত মানগুলি নির্ধারণ করা ত্রুটি সংশোধন অনুমানকে পক্ষপাতিত্ব করবে কিনা সে সম্পর্কে আপনার প্রশ্নের জবাব দিতে সহায়তা করবে, যদিও আপনার কয়েকটি নমুনা উভয় সিরিজের ক্লাস্টার সময় ব্যবধানে থাকলে আপনি হতে পারেন নিজের জন্য পরীক্ষা করতে সক্ষম। আপনি এই ক্ষেত্র থেকে "কো-ক্রিগিং" এর কৌশলতেও আগ্রহী হতে পারেন,পিয়ের গুভার্টস )।
আবার আমি নিশ্চিত না যদিও এটি কতটা সহায়ক হবে। আপনার অনুপস্থিত ডেটাটি অনুমান করার জন্য কেবলমাত্র বর্তমান সময়ের-সিরিজের পূর্বাভাস কৌশলগুলি ব্যবহার করা যথেষ্ট পরিমাণে সহজ হতে পারে। এটি কোনটি অনুমান করতে হবে তা সিদ্ধান্ত নিতে আপনাকে সহায়তা করবে না।
শুভকামনা, এবং যদি কোনও প্রাসঙ্গিক উপাদান খুঁজে পান তবে থ্রেডটি আপডেট রাখুন। আমি আগ্রহী হব এবং আপনি অনলাইন ডেটা উত্সগুলির বিস্তার নিয়ে ভাববেন যে এটি অন্তত কিছু গবেষণা প্রকল্পের জন্য প্রাসঙ্গিক বিষয় হয়ে উঠবে।