针对单一钟差预报模型的局限性，提出了一种基于GM（1，1）与BP神经网络组合的GPS卫星钟差预报方法。该方法首先用GM（1，1）对钟差进行建模预报，然后利用BP神经网络对GM（1，1）的预报残差建模，并进行外推预报，将GM（1，1）的钟差后续预报值与BP神经网络的残差预报值对应相加可得最终的钟差预报结果。用IGS提供的精密钟差数据进行试验，并与单一灰色模型进行了对比，结果显示，组合模型对未来6 h、12 h、18 h和24 h的钟差序列分别预报，平均预报精度分别为0.36 ns、0.41 ns、0.59 ns和0.84 ns，相比单一灰色模型分别提高了0.15 ns、0.17 ns、1.27 ns和2.54 ns，表明组合模型可有效地预报卫星钟差。
