В конечном счете, я думаю, что вам придется поиграть с данными и посмотреть, что работает для вашей конкретной проблемы, но вот некоторые мысли
Я сделал нечто подобное. Мои данные содержали регулярные пропуски в течение части дня, и предоставление времени в качестве функции оказалось полезным, однако в этом случае это, вероятно, было полезно во многих отношениях, чем с поправкой на пропуски.
Если размер разрыва с предыдущей отметкой времени содержит информацию, полезную для сети, то обязательно включите ее. Если разрыв вызван отсутствием данных, это может быть не очень полезно, но его стоит попробовать.
Если данные в каждой точке статистически схожи независимо от размера разрыва, то вы можете просто ввести их, как если бы пропусков не было.
Если из-за пробелов данные становятся нестационарными, это может затруднить изучение сети. Это возвращает вас к вопросу о том, может ли размер промежутка позволить сети исправить нестационарную природу временных рядов, это возможно, но, вероятно, не идеально.
Возможно, вы также захотите попробовать интерполяцию, чтобы заполнить пропущенные пробелы, и повторно отобрать данные до уровня детализации, который на самом деле важен для вашего прогноза.