Предложен новый подход к идентификации технологических процессов с переменной динамикой, который заключается в статистическом анализе взаимозависимостей между входными и выходными параметрами процесса. Разработан метод для выявления режимов процесса, основанный на вероятностном латентном анализе при помощи EM-алгоритма. Процесс с переменной динамикой описывается при помощи мультимодальной модели, состоящей из классификатора режимов и блока моделей режимов. Для каждого режима формируется собственная индуктивная база знаний, рассчитывается бинарная маска входов режима на основе отбора признаков и строится базовая модель режима. Классификатор режимов обучается в целях определения границ режима. Для повышения точности прогноза предлагается использование циклического обучения классификатора режимов и блока базовых моделей режимов. Идея циклического обучения состоит в попеременной итеративной настройке обеих частей мультимодальной модели, где результат прогноза одной части мультимодальной модели используется для обучения другой. Классификатор учится наиболее точно определять границы режимов процесса, а каждая базовая модель — наиболее точно описывать соответствующий ей режим. При прогнозе мультимодальной моделью выходных параметров с помощью классификатора режимов определяется режим для текущего такта с использованием соответствующей базовой модели. Проведено сравнение предложенного подхода к идентификации с популярными методами машинного обучения на реальных данных многорежимного процесса флотации железной руды. По результатам численного моделирования на тестовых данных процесса мультимодальная идентификационная модель продемонстрировала наибольшую точность прогноза.