본 논문은 시간 시계열 예측에서 정확성과 효율성을 모두 고려하여 새로운 백본 아키텍처인 시간 증거 융합 네트워크(TEFN)를 제안합니다. TEFN은 증거 이론에 기반한 기본 확률 할당(BPA) 모듈을 도입하여 다변량 시계열 데이터의 채널 및 시간 차원에서 불확실성을 포착합니다. BPA 출력으로부터 두 가지 차원의 정보를 효과적으로 통합하는 새로운 다원 정보 융합 방법을 개발하여 예측 정확도를 향상시킵니다. 실험 결과, TEFN은 최첨단 방법과 비교할 만한 성능을 달성하면서 복잡성과 훈련 시간을 크게 줄였음을 보여줍니다. 또한, TEFN은 하이퍼파라미터 선택 시 오류 변동이 최소화되어 높은 견고성을 보이며, 퍼지 이론에서 파생된 BPA 덕분에 높은 해석성을 제공합니다. 따라서 TEFN은 정확성, 효율성, 안정성 및 해석성을 균형 있게 고려한 시간 시계열 예측을 위한 바람직한 솔루션입니다.