The paper considers the adaptation problems of time series predictive models (autoregression moving average models) that are used in the estimation problems of dynamical system state. The need for adaptation is caused, in particular, by the limited length of the time series, which are used for finding the initial estimates of model parameters. It is proposed to use the method of generalized stochastic gradient for building adaptive procedures. The application of this method is shown to ensure good convergence of parameter adjustment processes.

Рассматриваются проблемы адаптации прогнозирующих моделей временных рядов (моделей АРСС), которые используются в задачах оценивания состояния динамических систем. Необходимость адаптации вызвана, в частности, ограниченной длиной временных рядов, по которым находятся первоначальные оценки параметров моделей. Предлагается для построения адаптивных процедур использовать метод обобщенного стохастического градиента. Показано, что применение данного метода обеспечивает хорошую сходимость процессов подстройки параметров.