(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111659866.X (22)申请日 2021.12.3 0 (71)申请人 北京无线电计量测试研究所 地址 100854 北京市海淀区永定路5 0号12 号楼 (72)发明人 王瑞皓　杨嘉明　张然　袁媛　 (74)专利代理 机构 中国航天科工集团公司专利 中心 11024 专利代理师 葛鹏 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于溯源比对守时系统的钟差预测方 法及系统 (57)摘要 本申请公开了一种用于溯源比对守时系统 的钟差预测方法及系统， 该方法包括： 判断获取 上级共视文件是否成功， 其中， 所述上级共视文 件用于溯源对比守时系统； 在获取所述上级共视 文件失败的情况下， 对钟差数据进行预测， 得到 预测出的钟差数据， 其中， 所述钟差数据是使用 机器学习模 型预测得到的， 所述机器学习模型使 用真实的钟差数据进行训练的， 训练之后的所述 机器学习模型用于根据真实的钟差数据输出预 测的钟差 数据； 将预测出的钟差数据提交至所述 溯源对比守时系统。 通过本申请解决了共视溯源 时， 由于一级守时机构共视文件获取失败， 导致 本地时间基准无法及时溯源的问题， 从而提高了 实际应用中钟差预测的精确度。 权利要求书2页 说明书7页 附图3页 CN 114462300 A 2022.05.10 CN 114462300 A 1.一种用于溯源比对守时系统的钟差预测方法， 其特 征在于， 包括： 判断获取 上级共视文件是否成功， 其中， 所述上级共视文件用于溯源 对比守时系统； 在获取所述上级共视文件失败的情况下， 对钟差数据进行预测， 得到预测出的钟差数 据， 其中， 所述钟差数据是使用机器学习模型预测得到的， 所述机器学习模型使用真实的钟 差数据进 行训练的， 训练之后的所述机器学习模型用于根据真实的钟差数据输出预测的钟 差数据； 将预测出的钟差数据提交至所述溯源 对比守时系统。 2.根据权利要求1所述的方法， 其特 征在于， 包括： 在获取所述上级共视文件成功 的情况下， 采集当前完整时间窗口的钟差数据， 使用采 集到的当前完整时间窗口 的钟差数据对所述机器学习模型中的权 重进行更新。 3.根据权利要求2所述的方法， 其特征在于， 所述机器学习 模型至少是使用上一完整时 间窗口内的钟差数据进行训练和验证过的。 4.根据权利要求1至3中任一项所述的方法， 其特征在于， 在判断获取上级共视文件是 否成功之前， 所述方法还 包括： 将上一完整时间窗口中的真实钟差数据分为训练集、 验证集和 测试集； 使用训练数据进行多轮训练， 每一轮训练之后， 均对得到的机器学习模型使用验证集 进行验证和调整； 在所述多轮训练结束之后， 使用所述测试集对训练得到的机器学习模型进行测试评 估。 5.根据权利要求4所述的方法， 其特征在于， 根据6比2比2的时序长度对真实钟差数据 进行划分以构建所述训练集、 验证集和 测试集。 6.根据权利要求1至3中任一项所述的方法， 所述机器学习模型是通过如下步骤训练 的： 初始化搭建由膨胀因果卷积网络、 正则化网络、 全卷积网络、 残差网络组成的钟差序列 预测模型 的编码器和 解码器结构， 并进行滑动窗口大小等初始参数分配； 对搭建的初始模 型使用训练集进行训练得到所述机器学习模型。 7.一种用于溯源比对守时系统的钟差预测系统， 其特 征在于， 包括： 判断模块， 用于判断获取上级共视文件是否成功， 其中， 所述上级共视文件用于溯源对 比守时系统； 预测模块， 用于在获取所述上级共视文件失败的情况下， 对钟差数据进行预测， 得到预 测出的钟差数据， 其中， 所述钟差数据是使用机器学习模型预测得到的， 所述机器学习模型 使用真实的钟差数据进行训练的， 训练之后的所述机器学习模型用于根据真实的钟差数据 输出预测的钟差数据； 提交模块， 用于将预测出的钟差数据提交至所述溯源 对比守时系统。 8.根据权利要求7 所述的系统， 其特 征在于， 还 包括： 训练模块， 用于在获取所述上级共视文件成功 的情况下， 采集当前完整时间窗口的钟 差数据， 使用采集到的当前完整时间窗口的钟差数据对所述机器学习模型中的权重进 行更 新。 9.根据权利要求8所述的系统， 其特征在于， 所述机器学习 模型至少是使用上一完整时 间窗口内的钟差数据进行训练和验证过的。权　利　要　求　书 1/2 页 2 CN 114462300 A 210.根据权利要求8至9中任一项所述的系统， 其特 征在于， 所述训练模块用于： 将上一完整时间窗口中的真实钟差数据分为训练集、 验证集和 测试集； 使用训练数据进行多轮训练， 每一轮训练之后， 均对得到的机器学习模型使用验证集 进行验证和调整； 在所述多轮训练结束之后， 使用所述测试集对训练得到的机器学习模型进行测试评 估。权　利　要　求　书 2/2 页 3 CN 114462300 A 3