假设x包含第一个观测系列并包含第二个观测系列，它们之间存在由时间段y组成的间隙。m让z成为完整的时间序列，由下式给出

z <- ts(c(x,rep(NA,m),y), frequency=??, start=??)

我假设您将开始和频率设置为合适的值。

然后你使用第一个模型

fit <- auto.arima(x)

获得额外的观测值后，您可以通过多种方式更新模型。首先，您可能只计算新观测值的残差而不修改参数或模型顺序：

fit1 <- Arima(z,model=fit)

或者，您可能不会修改模型顺序，但会更新参数估计值。在这种情况下：

fit2 <- Arima(z,order=fit$arma[c(1,6,2)])

（这里我假设它是一个非季节性的 ARIMA 模型。对于季节性，您需要添加一个季节性参数。）

最后，您可能会同时修改模型顺序和参数估计值。然后

fit3 <- auto.arima(z)