На сегодняшний день наблюдается широкое внедрение средств автоматизации в системы железнодорожного транспорта. При этом одним из важнейших аспектов этого процесса является автоматизация управления процессами расформированияформирования поездов на сортировочных станциях и горках в реальном времени с привлечением современных средств на основе искусственного интеллекта. Интеллектуализация данных технологических процессов в первую очередь касается проблемы поддержки принятия упреждающих решений в сложных технологических ситуациях и, в частности, в нештатных ситуациях, связанных с различного рода нарушениями в развитии технологического процесса. Исключительно важным при этом является своевременное обнаружение такого рода ситуаций с целью выработки превентивных мер по регулированию и/или нормализации технологического процесса. В работе предлагается новый подход к упреждающему обнаружению нештатных ситуаций в течение технологического процесса роспуска составов на сортировочных станциях, связанных с нагонами отцепов на спускной части сортировочной горки. Предлагаемый подход базируется на идее перехода от проблемы прогнозирования нештатных ситуаций к задаче обнаружения их предвестников в гранулированной модели представления техпроцесса в виде характерных отрезков временного ряда – темпоральных паттернов. Гранулированная модель техпроцесса формируется на основе нечеткого вывода гранулярных оценок и последующей их обработки средствами прагматической логики в интересах задачи прогнозирования нештатных ситуаций. Обнаружение паттернов-предвестников нештатных ситуаций в гранулированной модели осуществляется с использованием модели многошагового предсказания, которое базируется на использовании адаптивных Марковских моделей с применением алгоритма темпорально-разностного обучения. Эксперименты, результаты которых приведены в работе показали, что использование предлагаемого подхода позволяет существенно улучшить эффективность принимаемых решений при возникновении нештатных ситуаций в процессе расформирования железнодорожных составов на сортировочных станциях и горках. Кроме того, разработанные методы применимы и в других системах, требующих интеллектуальной поддержки принятия решений в условиях неопределенности при управлении скоротечными технологическими процессами. Техпроцесс роспуска составов; нагон отцепов; гранулированная модель; когнитивные измерения; аномальный темпоральный паттерн; стохастическая модель; темпоральная модель.