Описан метод интеллектуального прогнозирования случайных процессов, основанный на более полном использовании информации о статистических закономерностях эволюции наблюдаемого процесса. В рамках предлагаемого подхода на этапе обучения прогнозирующего алгоритма признаковое пространство обогащается параметрами смешанных вероятностных моделей, позволяющих реконструировать коэффициенты стохастического дифференциального уравнения, описывающего исследуемый случайный процесс. Использование дополнительной статистической информации накладывает дополнительные условия на область поиска и потому сужает множество рассматриваемых вариантов и делает обучение направленным, заранее исключая невозможные или маловероятные варианты, и стало быть, позволяет сделать его более эффективным, а прогнозы — более точными.
