2021年10月20日，中国人民解放军78092部队的张国超等人在《GPS Solutions》杂志上，发表了题为“A method for precisely predicting satellite clock bias based on robust fitting of ARMA models”的文章。卫星钟差是影响卫星导航定位的重要误差源。精确的卫星钟差预测对于提高全球导航卫星系统（GNSS）的定位、导航和授时（PNT）服务能力至关重要。由于卫星信号路径和观测环境的影响，卫星钟差数据通常含有异常值，严重影响卫星钟差预测的准确性。已有模型存在着各自的局限性，例如二次多项式模型对卫星钟差的预测误差会随着预测时间的延长而逐渐累积；灰色模型由于不能充分利用历史钟差数据，导致短期钟差预测不准确；神经网络和卡尔曼滤波模型预测卫星钟差时结果并不稳定；现有时间序列模型没有考虑卫星钟差历史数据中异常值的影响，因此预测结果也不准确。然而，基于时间序列模型的预测方法可以充分考虑卫星钟差数据的趋势、周期性和随机性。因此，基于时间序列模型的卫星钟差预测方法具有重要的研究价值。

基于时间序列ARMA模型和贝叶斯统计理论，文中提出了一种精确预测卫星钟差并检测卫星钟差历史序列中异常值的方法。首先，通过差分法分析了卫星钟差数据的特征，提出将卫星钟差数据中异常值的检测转化为卫星钟差平稳序列中加性离群点的检测。其次，基于分类变量构建了用于稳健拟合ARMA模型并检测观测数据中加性离群点和更新离群点的标记模型。基于贝叶斯统计理论，文中提出了鲁棒拟合时间序列ARMA模型的贝叶斯方法。此外，针对上述时间序列ARMA模型的鲁棒拟合，文中提出了一种利用贝叶斯方法精确预测卫星钟差的算法。最后，基于IGS官网下载的GPS钟差数据，通过与原始ARMA模型、二次多项式模型和灰色模型的钟差预测结果进行对比，验证了该方法在短期预测和长期预测中的良好性能。