تُعد تنبؤ السلاسل الزمنية موضوعًا رياضيًا جذابًا وحيويًا. وقد تم دراسة النظريات والتطبيقات في المجالات المرتبطة بها لعقود، وقدم التعلم العميق في السنوات الأخيرة أدوات موثوقة. وقد استُخدم مُعمّل (Transformer)، الذي يتمتع بقدرة على التقاط الاعتماديات الطويلة المدى في التسلسلات، كمُعمّل قوي في تنبؤ السلاسل الزمنية. وعلى الرغم من أن الأبحاث السابقة ركزت بشكل رئيسي على التغلب على عائق الذاكرة في مُعمّل Transformer، إلا أن كيفية الاستفادة الفعالة من السلاسل الزمنية متعددة المتغيرات ما زالت تُعتبر موضوعًا مُهملًا إلى حد كبير. في هذا العمل، تم اقتراح معمّل جديد يعتمد على مُعمّل أساسي لإجراء التنبؤات على السلاسل الزمنية متعددة المتغيرات. يتميز المعمّل المقترح بمحورين رئيسيين. أولاً، يتمتع بقدرة دقيقة على التنبؤ بالسلاسل الزمنية متعددة المتغيرات، سواء كانت ذات طول تسلسلي قصير أو طويل، وعدد خطوات تنبؤ متنوع. وقد قمنا بمقارنة نموذجنا المقترح مع مجموعة متنوعة من النماذج الأساسية على مجموعات بيانات واقعية، وقد أظهر نموذجنا تحسينًا ملحوظًا في الأداء مقارنةً بها. ثانيًا، يمكن تكييفه بسهولة في النماذج المتعددة المبنية على معمّل Transformer.