本研究提出了一种因果卷积低秩表示模型，旨在解决水质监测数据中的缺失值问题。该模型结合时间依赖性和自适应调整，显著提高了数据插补的准确性，实验结果表明其优于现有模型，为环境监测提供了更可靠的支持。

本研究提出了一种名为NeuralPrefix的插补插件，旨在解决传感器数据的间歇性问题。该方法无需额外训练，能够在新传感器上实现数据插补，并在高达50%的数据缺失率下准确恢复缺失样本，展现出良好的泛化能力。

本研究提出了一种多视角变分自编码器（VAE）方法，旨在解决多视角数据插补中的关联性问题，有效填补缺失视角，提高分析准确性。