Институт промышленной экологии Уральского отделения РАН (Екатеринбург, Российская Федерация) М. С. Ремезова Уральский федеральный университет им. первого Президента России Б. Н. Ельцина (Екатеринбург, Российская Федерация) Статья поступила в редакцию 19 ноября 2019 г. Предложен двухшаговый комбинированный алгоритм прогнозирования концентрации метана в атмосферном воздухе, основанный на использовании искусственных нейронных сетей и последующем моделировании невязок. Для выбора базовой модели проведено сравнение результатов двух наиболее часто применяемых для прогноза временных рядов искусственных нейронных сетей: нелинейной авторегрессионной нейронной сети с внешним входом NARX и нейронной сети Elman. Временной ряд составлен из значений концентрации метана в приземном слое атмосферного воздуха, полученных при экологическом мониторинге парниковых газов на арктическом острове Белый (Россия). Выбран временной интервал 192 ч в течение летнего периода, характеризующийся значительными суточными колебаниями концентрации метана. Для обучения нейронной сети использованы значения, соответствующие первым 168 ч интервала, следующие 24 ч были спрогнозированы. Точность прогноза оценивалась на основе ряда рассчитываемых показателей: индексов согласия, абсолютной ошибки, среднеквадратической и среднеквадратичной относительной ошибки. Предложенный алгоритм позволил повысить точность прогноза лучшей базовой модели NARX по всем показателям.