В статье рассмотрена проблема построения интеллектуальных систем поддержки принятия решений по классификации и прогнозированию функционального состояния сложных систем. Для прогнозирования состояния сложных систем предложены нейросетевые решающие модули с виртуальными потоками, которые отражают скрытые системные связи между наблюдаемыми и не наблюдаемыми признаками. При этом вектор информативных признаков на входе решающего модуля состоит из двух подвекторов, первый из которых соответствует реальным потокам, а второй - виртуальным потокам. Проведено имитационное моделирование процессов классификации с использованием латентных переменных, которое позволило оценить влияние на качество классификации искусственно введенных виртуальных потоков. Разработана структура нейросетевой модели с виртуальными потоками рекуррентного типа. Структура состоит из N последовательно включенных нейросетевых аппроксиматоров. Выходы предыдущих аппроксиматоров объединяются с вектором информативных признаков последующих аппроксиматоров, что позволяет формировать виртуальные потоки различной размерности. Разработан метод формирования нелинейных моделей виртуальных потоков, отличающийся использованием метода МГУА-моделирования для получения моделей влияния реальных потоков на виртуальные потоки, получаемых посредством нелинейных адалинов. Метод позволяет формировать подвектор латентных переменных неограниченной размерности. Нелинейные модели виртуальных потоков формируются посредством метода, основанного на использовании МГУА-моделирования. Метод позволяет получить нейросетевые структуры, построенные на основе МГУА-моделей и нелинейных адалинов, позволяющие формировать подвектор латентных переменных неограниченной размерности.