تُعد تقنيات التنبؤ الفراغي الزمني ذات أهمية كبيرة في مجالات متعددة مثل النقل، والطاقة، والطقس. ما يزال التنبؤ الدقيق بالتسلسلات الفراغية الزمنية تحديًا كبيرًا بسبب التعقيد الناتج عن التباين الفراغي الزمني المعقد. وبشكل خاص، تُعاني النماذج النهائية الحالية من قيود تتعلق بطول المدخلات، مما يؤدي غالبًا إلى ما يُعرف بـ"الوهم الفراغي الزمني"، أي أن تسلسلات زمنية مدخلة مشابهة قد تؤدي إلى قيم مستقبلية مختلفة، والعكس صحيح. ولحل هذه المشكلات، نقترح إطارًا جديدًا للتدريب المسبق ذاتيًا يُسمى التدريب المسبق المُعَزَّل الفراغي الزمني بالاعتماد على التماسك المُقنَّع (STD-MAE)، والذي يستخدم مُعمّلَيْن مُعَزَّلَيْن مُقنَّعين لإعادة بناء التسلسلات الفراغية الزمنية على طول المحورين الفراغي والزمني. ويمكن أن تُدمج التمثيلات الغنية بالسياق التي يتم تعلّمها من خلال هذه العملية بشكل سلس مع مُنبِّئات تابعة ذات هياكل متنوعة لتعزيز أدائها. وقد أجريت تقييمات كمية ونوعية متعددة على ستة معايير شائعة الاستخدام (PEMS03، PEMS04، PEMS07، PEMS08، METR-LA، وPEMS-BAY) للتحقق من الأداء المتميز لـ STD-MAE. يمكن الوصول إلى الشيفرة المصدرية من خلال الرابط: https://github.com/Jimmy-7664/STD-MAE.