في عالم يتزايد فيه الاعتماد على البيانات المعقدة، أصبح التنبؤ بالسلاسل الزمنية (Time Series Forecasting) أحد التحديات الرئيسية التي تواجه الباحثين. يواجه معظم نماذج التنبؤ الحالية مشكلات مثل انخفاض القدرة على perceiving (رؤية) الأنماط الدورية المعقدة وخلط التوجهات مع الضوضاء عند زيادة عمق الشبكة. هنا يأتي دور نموذج PESD-TSF (Framework for Period-Aware and Explicit Structured Decomposition) الذي يقدم إطارًا جديدًا لتحسين دقة التنبؤ بالسلاسل الزمنية على المدى الطويل.

يتضمن PESD-TSF ثلاثة عناصر رئيسية تعزز من أدائه:
1. **آلية التحكم الدوري المضاعف** (Multiplicative Periodic Gating): تتيح هذه الآلية دمج مبدأ الأوقات المستمرة لضبط سعات الإشارات بشكل ديناميكي، مما يحافظ على الهياكل الدورية عبر الطبقات العميقة للنموذج.

2. **تشفير هيكلي متعدد المقاييس** (Multi-scale Structured Encoder): يعمل هذا النموذج على فصل التوجهات الطويلة الأجل من التغيرات عالية التردد، مما يضمن الحفاظ على المعاني الزمنية الدقيقة، من خلال استخدام انتباه غير مُعَدل (Detrended Attention) وأخذ عينات هرمية.

3. **الانتباه التعاوني عبر المقاييس** (Cross-Scale Collaborative Attention - CSCA): يُساعد هذا التصميم في استعادة العلاقات المتبادلة بين المتغيرات المفقودة، من خلال إعادة بناء الهيكل العالمي بين المتغيرات داخل فضاءات الميزات العميقة.

عبر اختبارات شاملة على مجموعات بيانات مرجعية، أثبت PESD-TSF تفوقه في الأداء، خصوصًا في المهام المتعددة المتغيرة التي تنطوي على تداخل معقد بين المتغيرات. تبرز هذه النتائج قدرة الإطار على تقديم نماذج هيكلية متفوقة والتعميم الفعال، مما يوفر أدوات جديدة للمحللين والمبتكرين في هذا المجال.