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

يتضمن PESD-TSF ثلاثة عناصر رئيسية تعزز من أدائه:
1. **آلية [التحكم](/tag/التحكم) الدوري المضاعف** (Multiplicative Periodic Gating): تتيح هذه الآلية دمج مبدأ الأوقات المستمرة لضبط سعات الإشارات بشكل ديناميكي، مما يحافظ على الهياكل الدورية [عبر](/tag/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](/tag/انتباه) غير مُعَدل (Detrended [Attention](/tag/attention)) وأخذ عينات هرمية.

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

[عبر](/tag/عبر) [اختبارات](/tag/اختبارات) شاملة على [مجموعات بيانات](/tag/مجموعات-[بيانات](/tag/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](/tag/نماذج) هيكلية متفوقة والتعميم الفعال، مما يوفر [أدوات جديدة](/tag/[أدوات](/tag/أدوات)-جديدة) للمحللين والمبتكرين في هذا المجال.