تنبؤ السلاسل الزمنية المرتبطة (CTS) يلعب دورًا أساسيًا في العديد من التطبيقات العملية، مثل إدارة الحركة وتحكم حمل الخوادم. تم اقتراح العديد من نماذج التعلم العميق لتحسين دقة تنبؤ CTS. ومع ذلك، بينما أصبحت النماذج أكثر تعقيدًا وحاجةً للطاقة الحاسوبية، فإنها تواجه صعوبة في تحسين الدقة. في اتجاه مختلف، يهدف هذا البحث إلى تمكين نماذج أكثر كفاءة وخفيفة الوزن تحافظ على الدقة مع القدرة على التنفيذ على الأجهزة ذات الموارد المحدودة. لتحقيق هذا الهدف، قمنا بتحديد خصائص النماذج الشائعة لتنبؤ CTS وأنتجنا ملاحظتين تشيران إلى اتجاهات لتنبؤ CTS الخفيف الوزن. على أساس هذه الملاحظات، نقترح إطار LightCTS الذي يستخدم تجميعًا بسيطًا للمشغلين الزمنيين والمكانيين بدلاً من التجميع البديل الذي يكون أغلى ثمنًا من حيث الطاقة الحاسوبية بكثير. بالإضافة إلى ذلك، يتميز LightCTS بمودولات مشغل زمني ومكاني خفيفة الوزن تسمى L-TCN و GL-Former، والتي توفر كفاءة حاسوبية محسنة دون التأثير سلبًا على قدراتها في استخراج الميزات. يتضمن LightCTS أيضًا مخطط ضغط نهائي لتقليل الميزات الزمنية الزائدة وتسرع الحسابات اللاحقة. أظهرت التجارب باستخدام مجموعات بيانات معيارية للتنبؤ خطوة واحدة وخطوات متعددة أن LightCTS قادر على تحقيق دقة قريبة من أفضل ما هو موجود بتكلفة حاسوبية وخزن أقل بكثير.