يهدف التعلم التنبؤي للquences الفضائية الزمنية إلى إنتاج صور مستقبلية من خلال التعلم من الإطارات التاريخية، حيث تمثل المظاهر المكانية والتغيرات الزمنية هيكلين جوهريين. تقدم هذه الورقة نموذجًا لشبكة عصبية متكررة تنبؤية (PredRNN) لتمثيل هذين الهيكلين. تعتمد هذه البنية على الفكرة القائلة بأن التعلم التنبؤي الفضائي الزمني ينبغي أن يحفظ كلًا من المظاهر المكانية والتغيرات الزمنية داخل حوض ذاكرة موحد. وبشكل محدد، لم تعد حالات الذاكرة مقيدة داخل كل وحدة LSTM. بدلًا من ذلك، تُسمح لها بالتحرك بشكل متعرج في اتجاهين: رأسيًا عبر طبقات الشبكة العصبية المتكررة المكدسة، وأفقيًا عبر جميع حالات الشبكة العصبية. وتشكل وحدة LSTM الفضائي الزمني الجديدة (ST-LSTM) العمود الفقري لهذه الشبكة، حيث تقوم باستخلاص وحفظ التمثيلات المكانية والزمنية في آن واحد. وقد حققت شبكة PredRNN أداءً تنبؤيًا متميزًا على مستوى الحد الأقصى في ثلاث مجموعات بيانات لتنبؤ الفيديو، وهي إطار عام أكثر، يمكن توسيعه بسهولة لمهام تعلم تنبؤي أخرى من خلال دمجه مع هياكل أخرى.