Каладзе Международный институт компьютерных технологий Поступила в редакцию 31.01.2011 г. Аннотация. <...> В работе показано, что алгоритмические модели ДПМ, предназначенные для описания эволюционирующих случайных процессов, принадлежат к классу стохастических динамических систем. <...> Проведен сравнительный анализ с известной алгоритмической моделью Калмана при описании эволюционного поведения систем статистической динамики. <...> ВВЕДЕНИЕ В зависимости от способа наблюдения и обработки случайных процессов – в виде непрерывного случайного сигнала или дискретной случайной последовательности, выделяются два класса результатов исследования: определяемого дифференциальными или разностными стохастическими уравнениями. <...> Теоретическое описание динамических систем дифференциальными уравнениями, осложнённое доказательствами существования и единственности решений, удобное при реализации на аналоговой технике, остаётся невостребованным в современных компьютерных технологиях, ставших в настоящее время важнейшим инструментом исследований и практической реализации. <...> Однако большое количество выполня© Каладзе В. А., 2011 22 емых расчётов, многократное повторение простых вычислительных схем на достаточно большом объёме данных в практических задачах обеспечивают получение адекватных, с «необходимой точностью», гомоморфных моделей. <...> Поскольку поведение стохастических динамических систем в фазовом пространстве состояний W представимо в виде нестационарных случайных процессов, то модели сложных систем закономерно рассматривать как прогнозирующие фильтры общего вида с адаптивной структурой. <...> Для описания эволюции состояния динамических систем в условиях статистической неопределённости удобно использовать динамические предикторные1 позволяют выделять полезный сигнал, как основную тенденцию развития случайного процесса Y(t) (YГW) со стационарными приращениями [2]. <...> Т.к. поведение сложных систем наблюдается <...>