यह शोधपत्र STDiff का प्रस्ताव करता है, जो औद्योगिक प्रणालियों में लुप्त मानों को संभालने के लिए एक नवीन गहन शिक्षण विधि है। निश्चित समय-खिड़कियों के भीतर पैटर्न पूर्णता पर केंद्रित मौजूदा विधियों के विपरीत, STDiff प्रणाली की अवस्था के विकास को सीखकर धीरे-धीरे लुप्त मान उत्पन्न करता है। यह दृष्टिकोण उन औद्योगिक प्रणालियों के लिए उपयुक्त है जिनमें नियंत्रण क्रियाओं के कारण गतिशील परिवर्तन, असामान्यताएँ और दीर्घकालिक लुप्तता होती है। STDiff हाल ही में ज्ञात स्थितियों और प्रासंगिक नियंत्रण या पर्यावरणीय इनपुट के आधार पर लुप्त मान उत्पन्न करने के लिए कार्य-कारण पूर्वाग्रह वाले एक सशर्त शोर-निरोधक प्रसार मॉडल का उपयोग करता है। प्रायोगिक परिणाम दर्शाते हैं कि STDiff सार्वजनिक अपशिष्ट जल उपचार डेटासेट और वास्तविक-विश्व औद्योगिक डेटासेट पर, विशेष रूप से दीर्घकालिक लुप्त डेटा के लिए, मौजूदा विधियों की तुलना में कम त्रुटि दर प्राप्त करता है। जहाँ मौजूदा विंडो-आधारित मॉडल डेटा को समतल या अति-समतल करते हैं, वहीं STDiff गतिशील रूप से मान्य समय श्रृंखला उत्पन्न करता है।
