본 논문은 시간 시계열 예측에서 정확성과 효율성 간의 절충점을 개선하기 위해 PIAD-SRNN(Physics-Informed Adaptive Decomposition State-Space RNN)을 제안합니다. PIAD-SRNN은 계절성과 추세 성분을 분리하고, 순환 구조에 도메인 방정식을 포함시킴으로써 정확성을 향상시킵니다. 실내 공기질 데이터셋(CO2 농도 예측)을 사용한 실험 결과, PIAD-SRNN은 Transformer 기반 모델을 포함한 기존 최고 성능 모델들을 MSE와 MAE 모두에서 장단기 예측 모두에서 능가하는 것으로 나타났습니다. 또한, 본 논문에서는 PIAD-SRNN과 함께 4개의 정제된 데이터셋을 제공합니다.
