如何在不规则间隔的时间序列上拟合R中的自动ARIMA模型来预测未来值？

我们有以下数据值和时间序列戳：

Lines <- "date,time,data
 20/03/2014,07:10,9996792524
 21/04/2014,07:10,8479115468
 21/09/2014,07:10,11394750532
 16/10/2014,07:10,9594869828
 18/11/2014,07:10,10850291677
 08/12/2014,07:10,10475635302
 22/01/2015,07:10,10116010939
 26/02/2015,07:10,11206949341
 20/03/2015,07:10,11975140317
 09/04/2015,07:10,11526960332
 29/04/2015,07:10,9986194500
 16/09/2015,07:10,11501088256
 13/10/2015,07:10,11833183163
 10/11/2015,07:10,13246940910
 16/12/2015,07:10,13255698568
 27/01/2016,07:10,13775653990
 23/02/2016,07:10,13567323648
 22/03/2016,07:10,14607415705
 11/04/2016,07:10,13835444224
 04/04/2016,07:10,14118970743"

现在我们正试图在这个时间序列数据上拟合一个自动ARIMA模型。但是，我们得到了一个错误：

amar_fit <- auto.arima(z)
#Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 
#  0 (non-NA) cases

---

amar\u fit数据适合
行
变量。我已经更新了我的问题，以显示数据所在的位置。你能告诉我如何纠正这个错误吗？我期待着未来2-3年的一些预测，每年2个预测值——不管是什么时间、月或日。我只想看看每年的趋势是如何上升的
amar_fit <- auto.arima(z)
#Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 
#  0 (non-NA) cases