В настоящей работе был рассмотрен метод прогнозирования временных рядов для задачи обнаружения аномалий. Метод опробован на наборе данных соревнования "Multi-dataset Time-Series Anomaly Detection Competition, SIGKDD 2021" от популярной платформы Hexagon-ML. Это соревнование предоставляет большое количество независимых одномерных временных рядов, содержащих по одному аномальному значению в каждом. Так как все данные представлены в виде временных рядов, мы имеем возможность использовать алгоритмы прогнозирования для выявления аномалий. В качестве подобных алгоритмов были рассмотрены нейросетевые модели и ансамблевые алгоритмы, к примеру, LightGBM. В результате был сделан вывод об эффективности рассматриваемого метода для данного класса задач.