1.一种双通道神经网络的钟差预测方法，其特征在于，所述方法包括：获取卫星钟差数据；对所述卫星钟差数据进行差分处理，得到一次差分结果；根据中位数抗差估计法和所述一次差分结果计算粗差的产生时刻；利用粗差的产生时刻定位到粗差后将对应位置的粗差去除，并利用三次样条插值法补全缺失数据，得到补全后的钟差数据；采用预先设置的采样间隔和序列长度对所述补全后的钟差数据进行采样，利用采样后的数据分割序列；对分割后的特征序列进行归一化，得到归一化后的特征序列；构建双通道神经网络模型并利用预先设置的训练集进行训练；所述双通道神经网络模型包括两个通道，一个通道由LSTM单元构成，用于提取序列的时间特征，另一个通道由一维卷积层构成，用于提取序列的空间特征，两个通道输出相加送入三层全连接层，用于融合时间和空间特征；将所述归一化后的特征序列输入训练好的双通道神经网络模型中，输出预测值；对所述预测值进行反归一化，得到反归一化预测值；根据反归一化预测值恢复钟差，得到钟差预测值；根据中位数抗差估计法和所述一次差分结果计算粗差的产生时刻，包括：根据中位数抗差估计法和所述一次差分结果计算粗差的产生时刻为MAD＝Median{|y(t)-m|/0.6745}其中，m＝Median{y(t)}为y(t)的中间数，y(t)为t时刻一次差分结果；对所述预测值进行反归一化，得到反归一化预测值，包括：对所述预测值进行反归一化，得到反归一化预测值为y reverse (i)＝y pre (i)×(max(F_seq(i))-min(F_seq(i)))+min(F_seq(i))其中，y reverse (i)是第i个反归一化预测值，y pre (i)是网络第i个非归一化预测值，min(F_seq(i))表示序列中的最小值，max(F_seq(i))表示序列中的最大值。
2.根据权利要求1所述的方法，其特征在于，利用粗差的产生时刻定位到粗差，包括：利用粗差的产生时刻设计钟差判别阈值为(m+l·MAD)，当|y(t)|＞(m+l·MAD)时，判定当前一次差分结果为粗差。
3.根据权利要求1所述的方法，其特征在于，所述采样后的数据为其中，data矩阵为(N-pL)×(L+1)矩阵，前L作为特征，第L+1列作为数据标签，L表示序列长度，p表示采样间隔，N表示数据长度，y表示一次差分数据。
4.根据权利要求1所述的方法，其特征在于，利用采样后的数据分割序列，包括：第i个特征序列表示为：F_seq(i)＝[y i ,y i+M ,y i+2M ,...y i+(L-1)M ]其中，M表示特征序列的长度，L表示序列长度。
5.根据权利要求1所述的方法，其特征在于，对分割后的特征序列进行归一化，得到归一化后的特征序列，还包括：对分割后的特征序列进行归一化，得到归一化后的特征序列为其中，F_seq(i)表示第i个特征序列，min(F_seq(i))表示序列中的最小值，max(F_seq(i))表示序列中的最大值。
6.根据权利要求1所述的方法，其特征在于，将所述归一化后的特征序列输入训练好的双通道神经网络模型中，输出预测值，包括：当输入的归一化后的特征序列的长度M小于采样间隔p时，则截取前M个点作为预测值输出；当待预测的序列长度M大于采样间隔p时，计算M/p并向上取整，即为网络迭代预测次数。
7.根据权利要求1所述的方法，其特征在于，根据反归一化预测值恢复钟差，得到钟差预测值，包括：根据反归一化预测值恢复钟差，得到钟差预测值为其中，x 0 为开始预测前一时刻的钟差值，y reverse (i)是第i个反归一化预测值。
8.一种双通道神经网络的钟差预测装置，其特征在于，所述装置包括：钟差补全模块，用于获取卫星钟差数据；对所述卫星钟差数据进行差分处理，得到一次差分结果；根据中位数抗差估计法和所述一次差分结果计算粗差的产生时刻；利用粗差的产生时刻定位到粗差后将对应位置的粗差去除，并利用三次样条插值法补全缺失数据，得到补全后的钟差数据；根据中位数抗差估计法和所述一次差分结果计算粗差的产生时刻，包括：根据中位数抗差估计法和所述一次差分结果计算粗差的产生时刻为MAD＝Median{|y(t)-m|/0.6745}其中，m＝Median{y(t)}为y(t)的中间数，y(t)为t时刻一次差分结果；采样和序列分割模块，用于采用预先设置的采样间隔和序列长度对所述补全后的钟差数据进行采样，利用采样后的数据采样序列；对分割后的特征序列进行归一化，得到归一化后的特征序列；构建双通道神经网络模型模块，用于构建双通道神经网络模型并利用预先设置的训练集进行训练；所述双通道神经网络模型包括两个通道，一个通道由LSTM单元构成，用于提取序列的时间特征，另一个通道由一维卷积层构成，用于提取序列的空间特征，两个通道输出相加送入三层全连接层，用于融合时间和空间特征；钟差预测模块，用于将所述归一化后的特征序列输入训练好的双通道神经网络模型中，输出预测值；对所述预测值进行反归一化，得到反归一化预测值；根据反归一化预测值恢复钟差，得到钟差预测值；对所述预测值进行反归一化，得到反归一化预测值，包括：对所述预测值进行反归一化，得到反归一化预测值为y reverse (i)＝y pre (i)×(max(F_seq(i))-min(F_seq(i)))+min(F_seq(i))其中，y reverse (i)是第i个反归一化预测值，y pre (i)是网络第i个非归一化预测值，min(F_seq(i))表示序列中的最小值，max(F_seq(i))表示序列中的最大值。
