تلعب الأنظمة التنبؤية الفضائية-الزمنية دورًا حاسمًا في معالجة العديد من التحديات الواقعية. في هذا البحث، نستعرض الإمكانات الكامنة في معالجة مشكلات التنبؤ الفضائي-الزمني باستخدام نماذج التنبؤ بالسلاسل الزمنية العامة، أي النماذج التي لا تستفيد من العلاقات الفضائية بين العقد. نقترح معمارية تنبؤ بالسلاسل الزمنية تُسمى RPMixer، تعتمد بالكامل على طبقات متعددة من المُتَوَسِّطات (all-MLP)، والتي تم اختيارها بفضل نجاحها الأخير في اختبارات أداء التنبؤ بالسلاسل الزمنية. علاوةً على ذلك، يستفيد نهجنا من السلوك المُشبه للتوافيق (ensemble-like) للشبكات العصبية العميقة، حيث يُظهر كل كتلة فردية داخل الشبكة سلوكًا مشابهًا للكتلة الأساسية في نموذج تجميع، خاصة عند دمج اتصالات التماثل (identity mapping) في التوصيلات المتبقية. من خلال دمج طبقات التصوير العشوائي (random projection layers) في نموذجنا، نزيد من تنوع مخرجات الكتل، مما يؤدي إلى تحسين الأداء العام للشبكة. أظهرت التجارب الواسعة التي أُجريت على أكبر مجموعات بيانات اختبار للتنبؤ الفضائي-الزمني تفوق الطريقة المقترحة على الطرق البديلة، بما في ذلك النماذج الفضائية-الزمنية القائمة على الرسوم البيانية، والأنماط العامة للتنبؤ.