论文研究了用深度神经网络解决多元时间序列插补问题。通过在Transformer模型中加入投影时间注意力、全局自适应图卷积和Fourier插补损失，提升模型的适用性和可解释性。实验在交通和太阳能数据集上进行，结果表明低秩属性有助于模型的广泛应用。