合并多个时间序列时应该注意哪些问题？

假设我有多个时间序列，例如某个地区各个站点的多个温度记录。我想获得整个区域的单个温度记录，可以用来描述区域气候的各个方面。直观的方法可能是简单地取每个时间步长上所有电台的平均值，但是我的统计蜘蛛感应（我肯定还不太了解）告诉我，这可能并不容易。尤其是，我认为对整个区域进行平均会消除一些有趣的极端温度，并且我可能会对附近站点之间的依赖性产生疑问。

如果我尝试这样的策略，还有其他方法可以克服这些问题，或者有更明智的组合此类数据的方法，还会遇到什么其他问题？

注意：答案可能比我提供的空间示例更为笼统。

首先，我想说的是，我要添加一条评论，但我还不能这样做（代表），但是我喜欢这个问题并希望参与，所以这里有一个“答案”。另外，我看到这很旧，但是很有趣。

首先，是否可以使用像PCA这样的降维技术来压缩时间序列？如果第一个特征值很大，则可能意味着您使用特征向量将代表大多数动态。

其次，更一般地说，您对时间序列的期望用途是什么？我不知道太多，我想温度可能会变化很多。例如，如果一些温度记录在城市附近，则可能会产生“热岛”型效果。或者，横向距离的微小变化可能会导致垂直距离的较大变化-一个位置可能在海平面上，正好在海洋上，而另一个位置不是“太远”，而是海拔一公里。那些肯定会有不同的温度！

这些只是一些想法。也许其他人可以加入并给出更好的答案。