時系列予測は現実の様々なシナリオで幅広く応用されているが、時系列データの動的な特性のため、モデルが時間と共に分布の変化を扱うことが重要である。本論文では、時系列における2種類の分布シフト、すなわち概念ドリフトと時間的シフトを特定する。従来の研究が主に時間的シフトの問題に焦点を当てている一方、概念ドリフトに対処するためのメソッドはあまり注目されてこなかった。本研究は、概念ドリフトに取り組む必要性に動機づけられ、ソフトアテンションメカニズムを提案し、過去と未来の時系列から不変パターンを見つけるアプローチを取る。また、概念ドリフトに対処する前提として、時間的シフトを軽減する重要性を強調する。この文脈で、ShifTSという手法非依存のフレームワークを導入し、時間的シフトと概念ドリフトを統一的に取り扱う。実験結果は、ShifTSが複数のデータセットで予測精度を一貫して向上させ、従来の方法を超えることを示している。