Kolmogorov-Arnold 网络（KAN）作为多层感知器（MLP）的替代方案，具有更高的准确性和可解释性。研究表明，KAN在时间序列预测中表现优越，尤其在卫星流量预测任务中，能以更少的参数提供更好的性能。KAN的变体如T-KAN和MT-KAN也显示出显著效果。此外，新方法KCN结合了预训练卷积神经网络，提升了遥感分类的准确性。整体上，KAN及其变体在多个领域展现了强大的潜力。

本文提出了一种新型神经网络架构TKANs，结合了Kolmogorov-Arnold Networks和LSTM，旨在改进多步时间序列预测。研究表明，TKANs在卫星流量预测中表现优于传统模型，具有更高的准确性和更少的参数，同时强调了新模型在实时性和准确性方面的优势。