В диссертационной работе приведено теоретическое обобщение и новое решение научной задачи, заключающееся в разработке нейросетевых моделей выбора эффективного метода оценивания параметров регрессионных зависимостей в рамках математического обеспечения информационных управляющих систем (ИУС). В работе предложено внедрение в блок математического обеспечения ИУС нейросетевой системы поддержки принятия решений (НСППР) в качестве средства выбора методов разработки математических моделей функциональных задач. Ядром НСППР является разработанный составной нейросетевой классификатор, который позволяет произвести эффективный выбор метода оценивания параметров математической модели процесса, подверженного влиянию взаимозависимых входных векторов и внешних неконтролируемых факторов в классах методов смещенного, робастного и классического регрессионного оценивания. Проанализированы существующие подходы к решению задачи выбора эффективного метода оценивания параметров математической модели.