본 논문은 의료 분야와 같이 정확한 예측이 중요한 시계열 예측에서 투명성과 설명 가능성을 확보하는 방법을 제시합니다. 기존의 상위-하향식 접근 방식을 확장하여 정적인 특징뿐 아니라 외생적인 시계열 특징도 구조적으로 통합하여 해석 가능성을 유지하면서 예측 성능을 향상시킵니다. 외생 시계열 특징을 의미 있는 추세와 특성으로 분해하는 인코딩 메커니즘을 도입하여 해석 가능한 패턴을 추출합니다. 합성 데이터셋을 이용한 실험을 통해 제안하는 방법의 예측 성능, 해석 가능성, 강건성을 검증합니다. 이는 강건하고 일반화된 시계열 예측 모델 개발을 위한 한 걸음입니다. 코드는 깃허브에서 공개됩니다.
