我能用RBF神经网络用R语言预测时间序列吗？

1978年至2017年期间，制造业就业人数存在时间序列。我想用径向基神经网络来预测两年内的就业人数。可能吗？如果是，你能用R语言写代码吗？非常感谢！我在这里写了一些代码：

install.packages("RSNNS")

library(RSNNS)

data <- read.csv("jobs.csv",header = TRUE)

tsA01 <- ts(data$`A-01`,start = c(1978,2),end = c(2017,1),frequency = 4)

install.packages（“RSNNS”）
图书馆（RSNNS）
数据查看数据示例，您有一个非常简单的数据集：一个响应变量（工作数量）和一个协变量（日期）。如果这确实是数据的极限，那么就不需要神经网络方法。神经网络和其他有监督的机器学习方法只有在拥有大量特征（即协变量，也称为“p”）时才是真正必要的，通常是p>>n（观察次数）。在这个特定的例子中，我将从一个简单的线性回归开始，它可能将月份或季节等因素作为协变量考虑。如果回归看起来不错，那么可以预测未来的时间点

如果你确实有比你在问题中回避的更复杂的数据，那么有一本很棒的机器学习教科书可以在网上免费获得。它包括许多用R编写的实验室章节，帮助您完成各种分析，但在您决定具体使用神经网络之前，我会花时间阅读各种方法的优缺点。你可以在这里找到教科书：（只需点击“下载书PDF”。
查看数据示例，你有一个非常简单的数据集：一个响应变量（工作数量）和一个协变量（日期）。如果这确实是数据的限制，则无需使用神经网络方法。只有当您拥有大量特征（即协变量，也称为“p”）时，才需要使用神经网络和其他有监督的机器学习方法，通常情况下，p>>n（观察数）.在这个特定的案例中，我将从一个简单的线性回归开始，它可能会将月份或季节等因素作为协变量考虑。如果回归看起来不错，那么你可以预测未来的时间点

如果你确实有比你在问题中回避的更复杂的数据，那么有一本很棒的机器学习教科书可以在网上免费获得。它包括许多用R编写的实验室章节，帮助你完成各种分析，但我会在阅读各种方法的优缺点之前花时间如果你决定专门使用神经网络，你可以在这里找到教科书：（只需点击“下载书PDF”。
如果你包含一个可复制的例子，你会得到更多的回答：如果你包含一个可复制的例子，你会得到更多的回答：