一种融合时序分解与深度学习的卫星短期钟差预报方法

本发明涉及一种融合时序分解与深度学习的卫星短期钟差预报方法，属于卫星钟差预报技术领域。方法包括：对卫星历史钟差序列进行一次差处理，并根据拉伊达准则筛除数据中存在的异常值，对钟差一次差数据进行时序分解，首先采用自适应噪声完备集合经验模态分解算法对钟差一次差序列进行分解得到多个模态分量，引入排列熵算法对各模态分量进行排序，利用t检验算法对上述分量进行随机项和周期项归类并重构为趋势项、周期项和随机项。将重构项以通道独立的模式输入Transformer模型中进行训练，经反一次差处理并叠加各分量预测结果后得到所需预报钟差。本发明在提升了卫星短期钟差预报的精度和稳定性的同时，也提高了预报结果的可解释性。