本研究提出了一种基于深度变换器的JRD预测模型（DT-JRD），有效提升机器视觉信号处理效率和JRD预测准确性，同时降低编码比特率29.58%。

本研究通过流形学习分析深度变换器模型在时间序列预测中的应用，探讨模型的潜在表示与低维流形的关系，发现各层几何特征与模型性能相关，为新型深度预测神经网络设计提供启示。