Диагностика железнодорожного полотна выявляет отступления параметров рельс в плане и профиле от нормативных значений. Приближение размеров отступлений к предельным значениям требует ограничения скоростей движения поездов. Поэтому прогноз изменений размеров отступлений является актуальной проблемой. Несмотря на значительный объем собираемых данных, эксплуатирующие организации недостаточно применяют методы машинного обучения для повышения качества прогноза параметров отступлений. Предлагаемый метод отличается от известных тем, что позволяет: увеличить размерность пространства признаков путем вычисления отклонений амплитуд отступлений от нормативных значений, площадей отступлений по длинам и амплитудам или отклонениям амплитуд с последующим представлением пространства признаков в виде 3D-матрицы; сформировать множество управляющих параметров (шаг дискретизации по времени, вид сезонных колебаний, количество точек изменения тренда и др.); прогнозировать размеры отступлений в группах, отличающихся видом и положением вдоль железнодорожного полотна. Прогноз ведут в рамках оптимизационной задачи по критерию минимума эмпирического риска и в результате получают семейство авторегрессионных моделей для каждого интервала дискретизации по длине полотна.