ЦЕЛЬ данной работы состоит в повышении эффективности оперативного прогнозирования динамики развития лесного пожара при нестационарности и неопределенности посредством разработки метода оперативного прогнозирования на базе искусственного интеллекта (Artificial Intelligence) и глубокого машинного обучения (Deep Machine Learning). МЕТОДЫ. Для решения поставленной задачи использованы методы системного анализа, методы теории нейронных сетей и глубокое машинное обучение. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ. Для обеспечения формирования эффективного оперативного прогноза в сложных условиях (в условиях неопределенности и нестационарности) разработан метод оперативного прогнозирования динамики развития лесного пожара, предполагающий построение и настройку свёрточной нейронной сети - СНС (или Convolutional neural network - CNN). В работе описана общая логическая схема предлагаемого метода. Для построения и настройки сети использованы: данные о пожаре, полученные в режиме реального времени с помощью сканирующих радиометров MODIS и VIIRS, установленных на метеоспутниках; данные о факторах окружающей среды, характере лесных насаждений и виде пожара. ВЫВОДЫ. Разработанный метод оперативного прогнозирования на базе искусственного интеллекта и глубокого машинного обучения позволяет выполнить анализ визуальных данных и выявить ключевые зависимости распространения лесного пожара от факторов внешней среды, характера лесных насаждений и вида пожара.