该文综述时空数据建模与预测研究，涵盖自激励点过程与图循环网络、STEP预训练框架、多因素时空图分解学习、时空掩码自编码器、股票趋势图表示学习、空时图散射变换、光伏预测MATNet、电力系统电压稳定评估Transformer及交叉时空注意力流量预测，显著提升预测精度与鲁棒性。

该文综述时空数据建模与预测研究，涵盖自激励点过程与图神经网络耦合框架、AutoSTL多任务学习、SpatioTemporal-Linear、稀疏数据插补、ImInGAIL驾驶行为学习、AdapTraj多源域泛化、SeCTAR轨迹生成、OpenSTL基准及TS-TrajGen轨迹生成，聚焦稀疏数据下的精准预测与生成。