В статье описан разработанный авторами способ интеграции в метод Data Assimilation (DA) формальных методов прогнозирования временных рядов (ВР) (авторегресии-проинтегрированного скользящего среднего, сингулярного спектрального анализа, метода группового учета аргумента, нейронных сетей с долговременной памятью), применяемых в тех случаях, когда неизвестна математическая модель динамической системы, породившей данный ВР (например, ВР, составленные из значений экономических показателей). Работоспособность предложенного способа интеграции проиллюстрирована на примере прогнозирования ВР «Air Passengers» методом DA на основе ансамблевого фильтра Калмана, в который интегрирован метод ARIMA. Получены оценки точности прогнозов значений выбранного ВР, вычисленные с помощью ARIMA и с помощью предложенного метода. Обсуждаются преимущества и недостатки предложенного способа интеграции метода DA и формальных методов прогнозирования ВР, а также направления его дальнейшего совершенствования.