我有时间序列数据，将测量与时间联系起来。假设它是一个应用程序，用户可以随时输入他们的高度。基于过去的行为，我不仅要预测下一个高度测量的内容，而且还要预测何时将输入测量值。
单个人的示例数据：
Date | Measurement
-------------|------------
Nov 8, 2014 | 1.42 m
Nov 23, 2014 | 1.43 m
Mar 8, 2015 | 1.48 m
Jun 15, 2015 | 1.52 m
Dec 18, 2015 | 1.52 m
Mar 1, 2016 | 1.59 m
Nov 8, 2016 | 1.60 m
我想要预测的是本系列的下一个数据点。例如，它可能是（2016年12月8日，1.61米）。
我最初的想法是制作两个单独的模型，一个只是时间数据，x值是索引。例如
0 | Nov 8, 2014
1 | Nov 23, 2014
2 | Mar 8, 2015
3 | Jun 15, 2015
4 | Dec 18, 2015
5 | Mar 1, 2016
6 | Nov 8, 2016
（自1970年以来日期已转换为分钟或其他事项）。
使用此模型预测下一个时间点，然后使用原始模型预测在该时间点测量的内容。
就使用的算法而言，我考虑对两种模型使用卡尔曼滤波器。
我的问题是，我觉得我错过了一些东西，或者可能使这个问题复杂化。有没有人有替代解决方案的想法？
我将在javascript中实现，希望没有外部库。