기상, 교통 등 시공간 데이터는 수집 과정에서 불규칙하게 누락되는 경우가 많아 정확한 예측에 어려움이 있었습니다. 특히, 기존 딥러닝 모델은 이러한 누락된 데이터를 효과적으로 처리하지 못하여 예측 성능 저하를 초래했습니다. 본 발명은 부분 합성곱(Partial Convolution)과 합성곱 LSTM(ConvLSTM)을 결합한 PConvLSTM 모델을 통해 이 문제점을 해결합니다. PConvLSTM은 누락된 값을 구분하고 유효한 데이터만을 기반으로 학습하며, '누락 데이터 생성 테크닉'을 활용하여 완전한 데이터 없이도 모델 학습이 가능합니다. 이로써 불규칙한 시공간 데이터에서도 매우 안정적이고 정밀한 누락 데이터 예측이 가능하며, 다양한 분야의 데이터 활용도를 혁신적으로 높일 수 있습니다.