Рассмотрена актуальная задача прогнозирования нестационарных процессов солнечной активности альтернативными методами, которая решается исследователями многих стран мира. Исследуемые процессы относятся к классу нелинейных и нестационарных, что требует выбора специальных методов для их моделирования и прогнозирования. Предложен подход к прогнозированию на основе трех фильтров: адаптивного фильтра Калмана, оптимального фильтра Калмана с оценкой параметров методом максимального правдоподобия и вероятностного гранулярного фильтра. Выбор этих фильтров обусловлен тем, что они дают возможность учитывать в модели случайные внешние возмущения и погрешности измерений. Полученные результаты вычислительных экспериментов свидетельствуют о возможности применения предложенного подхода к решению поставленной задачи. Более точные результаты краткосрочного прогнозирования экспоненциально сглаженных данных получены с помощью адаптивного фильтра. Анализ качества результатов выполнен с помощью известных статистических характеристик качества, в частности средней абсолютной погрешности в процентах., The study is focused on the problem of forecasting nonstationary processes of solar activity using alternative procedures. The problem is urgent and it is considered by groups of researchers in many countries of the world. The processes under study belong to the class of nonlinear and nonstationary which requires selecting special methods for their modeling and forecasting. The study proposes an approach to forecasting based on three filters: the adaptive Kalman filter, optimal Kalman filter with parameter estimation using the maximum likelihood procedure and probabilistic particle filter. Selection of the filters is substantiated by the fact that they provide a possibility for taking into consideration stochastic external disturbances and measurement errors. The results of computational experiments showed the support for the idea that the methods selected are suitable for solving the problem stated. The best results of short-term forecasting of exponentially smoothed data were achieved using an adaptive filter. The analysis of results was performed by employing the known statistical quality characteristics including the mean absolute percentage error., Розглянуто актуальну задачу прогнозування нестаціонарних процесів сонячної активності альтернативними методами, яку розв’язують дослідники багатьох країн світу. Досліджувані процеси належать до класу нелінійних та нестаціонарних, що потребує вибору спеціальних методів для їх моделювання і прогнозування. Запропоновано підхід до прогнозування на основі трьох фільтрів: адаптивного фільтра Калмана, оптимального фільтра Калмана з оцінюванням параметрів за методом максимальної правдоподібності і ймовірнісного гранулярного фільтра. Вибір цих фільтрів зумовлено тим, що вони дають змогу враховувати у моделі випадкові зовнішні збурення і похибки ви-мірювань. Отримані результати обчислювальних експериментів свідчать про можливість застосування запропонованого підходу до розв’язання поставленої задачі. Більш точні результати короткострокового прогнозування експоненціально згладжених даних отримано за допомогою адаптивного фільтра. Аналіз якості результатів виконано за допомогою відомих статистичних характеристик якості, зокрема середньої абсолютної похибки у відсотках.