钟差预测是构建原子时标的一个重要过程。为提高钟差预测准确度，针对钟差数据的非线性非平稳特点，首次将经验模态分解和支持向量机的组合预测算法运用于钟差数据预测;还针对经验模态分解存在模态混叠的固有缺陷，首次将集合经验模态分解算法用于钟差数据去噪。文中对去噪算法和预测算法都进行了理论研究和编程实现，并用中国计量科学研究院守时实验室提供的氢钟数据进行了验证，对验证结果进行了分析。结果表明，去噪算法和组合钟差预测算法均达到了预期目的，取得了良好的效果。主要内容如下:　　首先，详细研究了原子钟差及其相关概念;分析了原子钟的信号模型，原子时的基本知识，钟差预测和驾驭的基本原理;还研究了钟差数据采集系统以及数据预处理过程;最后研析了钟差数据中噪声的统计特性及其数学模型。　　其次，对钟差去噪算法进行了理论研究和实验验证。首先，研究了经验模态分解(empirical model decomposition，EMD)和集合经验模态分解(ensembleempirical mode decomposition，EEMD)的基本概念、基本原理，详细分析了经验模态分解和集合经验模态分解的算法流程，提出了一种基于EEMD的钟差去噪算法，最后利用守时实验室提供的氢钟数据验证了去噪算法的有效性，特别是该去噪算法能够有效的克服模态混叠现象。　　最后，研究和验证了组合钟差预测算法。先分析了常用的线性回归和支持向量机两种预测方法及其优缺点;然后在研究统计学习理论的基本知识和结构风险最小化原理的基础上，提出了基于氢钟钟差数据的EMD和SVM组合预测算法;最后用守时实验室提供的时差数据，未去噪的频差数据和本课题已经实现的去噪的频差数据证明了组合预测算法的有效性。