现在越来越多的行业开始使用卫星定位技术。精密卫星钟产品是许多高精度定位应用的前提条件,因此对卫星钟差进行预报是十分必要的。目前使用线性模型或二次多项式模型附加周期项来预报卫星钟差序列中的确定性部分已被广泛认为是一种标准方法。近年来,人们提出利用机器学习方法,如神经网络(NN)来进一步挖掘卫星钟差中的随机性部分。神经网络是一种比较灵活的方法,即使在使用相同的数据集进行预报时,也可以采用多种不同的应用模式。在不同的应用模式下,选择不同的网络拓扑结构和/或不同的训练数据集进行模型的搭建。然而,到目前为止的论文中只报道了某一种特定的应用模式。因此,对比各种应用模式的性能,选择一种更合适的应用模式来进一步提高性能,具有重要的科学意义。在本研究中,我们明确了神经网络在卫星时钟预测中的应用模式。实验验证了几种具有不同训练数据选择策略的网络拓扑结构;并对所使用的数据集提出了一种最优的应用模式。