基于神经回路策略的无线网络流量可解释性预测方法

针对无线网络流量预测任务中模型的“黑箱”问题,提出基于神经回路策略(Neural Circuit Policy,NCP)的高可解释性流量预测模型。首先,采用均值滤波分解流量数据的趋势、残差分量来增强特征表示;其次,构建紧凑的NCP框架以可信学习策略捕捉流量长期时变关系;最后,通过全连接层得到预测结果。实验表明,该方法以可解释的方式实现了精准的无线网络流量预测。