一种基于Transformer架构深度学习模型的卫星钟差预报方法

本发明公开了一种基于Transformer架构深度学习模型的卫星钟差预报方法，该方法包括：对历史卫星钟差数据进行一次差分，得到钟差差分时间序列，并对钟差差分时间序列进行处理后构建数据集；构建时间序列预测模型，并使用数据集进行训练，其中时间序列预测模型中，通过SCI模块的采样S、卷积C和交互I操作，提取卫星钟差多个时间分辨率的特征，提高了卫星钟差预测精度；使用训练好的时间序列预测模型进行预测，得到卫星钟差预测数据。本发明利用Transformer架构对长距离依赖的提取能力，提高了卫星预测精度和稳定性；利用历史卫星钟差数据对模型的训练，实现了高精度卫星钟差预测。