Предложения и идеи по прогнозированию температуры определенной станции на основе данных окружающих станций ⇐ Python

[Anonymous]

Я работаю над проектом, в котором у меня есть данные с X метеостанций, каждая со своей широтой, долготой, высотой над уровнем моря и ежедневными измерениями температуры за несколько лет. Моя задача — спрогнозировать температуру на одной из этих станций на основе данных с соседних станций.
Итак, модели будут предоставлены данные всех станций X, и она обучится на них, чтобы, надеюсь, понять геопространственную корреляцию (ASL и расстояние между станциями), а затем случайным образом должны предсказать температуру одной из этих 20 станций на определенный день, учитывая измерения окружающих станций за предыдущие X дней.
Кроме того, было бы лучше обучать сеть, прогнозируя по одной станции за раз, а затем получать X моделей для прогнозирования одной «недостающей» станции или использовать случайный выбор?
Я Имею базовые знания в методах DL, но не имею опыта работы с пространственными методами, поэтому любые предложения или идеи о том, как подойти к этой задаче, будут очень признательны.
Я исследовал некоторые области, такие как модели регрессии и RNN. методы, но без особого успеха.

Подробнее здесь: https://stackoverflow.com/questions/789 ... d-on-surro