本論文では、空間時間多変量時系列予測 (STMF) が提案されています。この手法は、最近の過去における $n$ 個の空間分布された変数の時間系列を用いて、近い将来の予測を行います。特に、センサーの数 $m$ が監視すべき場所の数 $n$ よりも少ない場合における入力変数の欠落問題に対処します。従来の手法は、入力として使用する $m$ 個の変数を事前に決定することを前提としていましたが、どの変数を選ぶのかという重要な問題は未解決でした。本研究では、予測精度を最大化するために最適な $m$ 個の変数を選択する新たなアプローチを提案します。また、変数選択とモデルの最適化を共同で行う統一的なフレームワークを構築し、3つの革新的な技術要素を取り入れています。実験結果は、提案手法が従来の最先端手法と比較して精度と効率の両方で優れていることを示しています。