1.一种钟差预报方法，其特征在于，所述方法包括：获取待处理钟差序列；对所述待处理钟差序列进行数据预处理，得到标准化残差序列；运用概率加权模糊时间序列模型处理所述标准化残差序列，得到概率加权的模糊时间规则集合；结合所述模糊时间规则集合进行递推预测，得到与模糊时间规则匹配的预测值集合；对所述预测值集合进行去模糊化处理得到预测残差；对所述预测残差进行逆标准化处理，并与数据预处理过程中拟合提取的趋势项合并，得到目标钟差预报结果；所述运用概率加权模糊时间序列模型处理所述标准化残差序列，得到概率加权的模糊时间规则集合，包括：确定所述残差序列的训练论域，将所述训练论域划分为多个邻域重叠的子区间，其中，每个子区间关联对应的模糊集和隶属函数；通过所述隶属函数将所述标准化残差序列转换为模糊时间序列，基于所述模糊时间序列生成预设阶数的模糊逻辑关系组；计算所述模糊逻辑关系组中各模糊规则的先验概率和条件概率，得到所述概率加权的模糊时间规则集合。
2.根据权利要求1所述的方法，其特征在于，所述对所述待处理钟差序列进行数据预处理，得到标准化残差序列，包括：采用中位数绝对偏差法对所述待处理钟差序列进行粗差剔除；采用多项式拟合提取所述待处理钟差序列的趋势项，计算所述待处理钟差序列与所述趋势项的差值，得到参考残差序列；采用Z-SCORE标准化方法对所述参考残差序列进行标准化处理，得到所述标准化残差序列。
3.根据权利要求1所述的方法，其特征在于，所述结合所述模糊时间规则集合进行递推预测，得到与模糊时间规则匹配的预测值集合，包括：基于滑动窗口确定待预测钟差序列；根据当前隶属函数将所述待预测钟差序列转换为模糊时间序列；根据所述模糊时间序列和所述模糊时间规则集合进行匹配预测，得到预测值；基于所述滑动窗口实现递推预测，得到与模糊时间规则匹配的预测值集合。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在预测过程中，监测预测值所隶属的模糊集是否连续预设次数处于论域边缘；若预测值所隶属的模糊集连续预设次数处于论域边缘，基于指数衰减策略动态调整训练论域各子区间对应的模糊集的分布参数；根据调整后的模糊集重新计算每个模糊集的期望输出，并重新获取所述预测值。
5.根据权利要求4所述的方法，其特征在于，所述论域边缘为训练论域最左侧两个或最右侧的两个模糊集；所述预设次数大于或等于2；所述若预测值所隶属的模糊集连续预设次数处于论域边缘，基于指数衰减策略动态调整训练论域各子区间对应的模糊集的分布参数，包括：若所述预测值所隶属的模糊集连续预设次数处于训练论域的左侧边缘，调整位移因子和宽度因子，以使模糊集整体向左平移；若所述预测值所隶属的模糊集连续预设次数处于训练论域的右侧边缘，调整位移因子和宽度因子，以使模糊集整体向右平移。
6.根据权利要求4所述的方法，其特征在于，所述隶属函数为三角隶属函数；所述隶属函数的静态表达式为：所述隶属函数的动态表达式为：其中， 表示模糊集的左端点， 表示模糊集的中心点， 表示模糊集的右端点， 表示位移因子， 表示宽度因子。
7.一种钟差预报装置，其特征在于，所述装置包括：获取模块，用于获取待处理钟差序列；预处理模块，用于对所述待处理钟差序列进行数据预处理，得到标准化残差序列；训练模块，用于运用概率加权模糊时间序列模型处理所述标准化残差序列，得到概率加权的模糊时间规则集合；预测模块，用于结合所述模糊时间规则集合进行递推预测，得到与模糊时间规则匹配的预测值集合；后处理模块，用于对所述预测值集合进行去模糊化处理得到预测残差；对所述预测残差进行逆标准化处理，并与数据预处理过程中拟合提取的趋势项合并，得到目标钟差预报结果；所述训练模块，还用于确定所述残差序列的训练论域，将所述训练论域划分为多个邻域重叠的子区间，其中，每个子区间关联对应的模糊集和隶属函数；通过所述隶属函数将所述标准化残差序列转换为模糊时间序列，基于所述模糊时间序列生成预设阶数的模糊逻辑关系组；计算所述模糊逻辑关系组中各模糊规则的先验概率和条件概率，得到所述概率加权的模糊时间规则集合。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的钟差预报方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的钟差预报方法的步骤。
