予測的なビジネスプロセス監視手法は、プロセスの完了したケースのログを活用して、進行中のケースに関する予測を行うために使用される。既存の手法は特定の予測タスクに特化して設計されている。さらに、それらの相対的な精度は手元のデータセットに大きく依存するため、ユーザーが特定の環境でこれらの手法を適用する際には試行錯誤と調整が必要となる。本論文では、Long Short-Term Memory（LSTM）ニューラルネットワークを用いて、幅広い予測プロセス監視タスクに対して一貫して正確なモデルを構築する方法について調査を行った。まず、LSTMが進行中のケースの次のイベントとそのタイムスタンプを予測する既存技術よりも優れていることを示す。次に、次のタスクを予測するモデルを使用して、進行中のケースの完全な継続部分を予測する方法を説明する。最後に、同じアプローチを残り時間の予測に適用し、このアプローチが既存の特化型手法よりも優れていることを示す。