该研究提出了一种基于元学习的协同插补方法，旨在解决城市时间序列数据插补中的数据收集和质量问题，尤其是预算限制和传感器故障带来的挑战。实验结果显示，该方法在20个城市的数据集上表现优异，具备良好的可推广性。

STARNet是一种用于检测不可信传感器流的传感器可信度和异常识别网络，可提高预测准确度。