В этой статье мы предлагаем новую процедуру для безусловного и условного прогнозирования в агентно-ориентированных моделях. Наш алгоритм основан на применении амортизированных нейронных сетей и состоит из двух шагов. На первом шаге симулируются искусственные наборы данных из модели. На втором шаге на искусственных данных обучается нейронная сеть, которая на основе истории наблюдений прогнозирует следующие значения переменных. Основным достоинством предложенного алгоритма является его скорость, ведь после процедуры обучения он может быть использован для получения прогнозов на практически любых данных без дополнительных симуляций или переобучения нейронной сети.