В статье представлено сравнение моделей на основе нелинейной авторегрессионной нейронной сети с внешним вводом (NARX) для прогнозирования временных рядов. Сети были обучены с помощью трех алгоритмов, которые наиболее применимы в таких исследованиях: Левенберга-Маркварта (LM), Левенберга-Марквардта с байесовской регуляризацией (BR) и градиентного спуска с регулируемыми скоростными параметрами (GDA). Для моделирования и прогнозирования использовались данные о концентрации метана и углекислого газа в приземном слое атмосферного воздуха на арктическом острове Белый, ЯНАО, Россия. Был выбран временной интервал 190 часов с часовым лагом. Концентрации метана и углекислого газа, соответствующие первым 170 часам интервала, использовались для обучения сети NARX. Затем был сделан прогноз на ближайшие 20 часов. Модели, основанные на сети NARX с алгоритмом обучения LM, показали самую высокую точность прогноза, а также минимальные ошибки и достаточно высокую скорость обучения для обоих парниковых газов.