В алгоритме прогнозирования динамических рядов  GAP  [1] выделяется три этапа его работы: формирование базовых элементов (базовых ╚штаммов╩), поиск компетентных штаммов и предсказание заданного элемента.       Рассмотрим таблицу  m*n, в которой описаны  n свойств xj (j=1,2┘n)  в  m моментов времени (дней) ai (i=1,2...m). Самые ╚свежие╩ данные имеют индекс i=1, данные за предшествующий день -  i=2 и т.д. до дня с индексом  i=m.  Среди  k первых элементов  таблицы выделим G элементов и назовем их ╚базовым штаммом╩ мощности G. Элементы этого штамма v(i,j) помечены индексами своих строк и столбцов.        Если индекс i каждого элемента  увеличить на число q, то будет выделен штамм той же мощности и той же ╚архитектуры╩, что и базовый штамм, но смещенный по времени на q шагов в прошлое. Назовем такой штамм ╚изоморфным╩ данному базовому штамму.  Если  порядок просмотра элементов базового и изоморфного штаммов сделать одинаковым, то можно найти  корреляцию между этими штаммами.          ╚Компетентными╩ будем считать такие изоморфные штаммы,  модуль коэффициента корреляции которого с базовым штаммом превышает некоторый заданный порог, например,  kor = 0,85.       Добавим к базовому штамму элемент a(0,j). Получается новый базовый штамм мощности (G+1), сдвиг  которого на q шагов по времени выделяет изоморфный ему штамм с элементом   a(q-1,j). Если построить уравнение линейной регрессии между G прежними элементами этих штаммов и подставить  в него элемент  a(q-1,j), то можно получить  величину a(q) в качестве варианта прогноза для элемента a(0,j).  Используя p  компетентных штаммов, получим p  вариантов прогноза.  Назовем эти варианты  ╚предикторами╩.  О компетентности  предикторов можно судить по дисперсионному критерию:  компетентность данного набора предикторов тем выше, чем меньше дисперсия  d их значений. Зафиксируем среднее значение  предикторов  a1, их дисперсию d1 и характеристику их компетентности h1=1:(1+d1).       Для каждого нового t-го базового штамма  найдем  значения  at, dt и ht.  Перебрав Т базовых штаммов, можем получить  средневзвешенное значение прогнозируемого элемента :  a(0,j) = S at *ht / S ht  для всех t от 1 до T.        По среднему значению компетентности предикторов от всех Т штаммов можно судить об ожидаемой ошибке прогнозирования: эксперименты  показали, что корреляция между ошибкой прогноза и дисперсией предикторов достигает величины  0,7. Литература: 1.Загоруйко Н.Г. Метакритерий  для отбора предикатов в алгоритмах  прогнозирования. Тр. 3-го Сибирского Конгресса по прикладной и индустриальной математике (ИНПРИМ-98). Новосибирск, 1998,Часть IV, с.95-96.