Мақалада компьютерлік қызмет көрсету орталығына күнделікті түсетін өтінімдер санын қысқа мерзімді болжау мәселесіне арналған қолданбалы зерттеу ұсынылған. 2023–2024 жылдарға арналған екі жылдық қатар үшін күнтізбелік, лагтық және метеорологиялық белгілер құрастырылып, сондай-ақ Ridge, ElasticNet, SVR, Кездейсоқ орман, XGBoost және LightGBM базалық модельдерінен тұратын гибридті ансамбль жүзеге асырылды. Ақпараттың құпиялылығын бұзбау мақсатында белгілердің қатаң уақыттық ығысулары, мақсатты айнымалыны логарифмдеу және бес бөлікке бөлінген TimeSeriesSplit схемасы қолданылды. Ансамбль салмақтары шектеулі оңтайландыру есебі ретінде SLSQP әдісімен, бөлшектер тобының оңтайландыруы (PSO), дифференциалдық эволюция (DE) және күйдіруді имитациялау (SA) әдістерімен таңдалды. Ең жақсы нәтиже базалық белгілер жиынтығында алынды: салмақтарды PSO әдісімен оңтайландырған гибридті ансамбль RMSE = 2.0847, MAE = 1.5988, MAPE = 20.62% және R² = 0.6315 көрсеткіштеріне қол жеткізді. MAPE бойынша ең жақсы дара модельмен (SVR, 21.29%) салыстырғанда ұтыс 0.67 пайыздық тармақты құрады. Уақытты тригонометриялық кодтау және қосымша туынды белгілер арқылы белгілер кеңістігін күрделендіру жалпылау сапасын арттырмайтыны көрсетілді. Алынған нәтижелер хаостық факторлармен күрделенген шулы операциялық сұранысты болжау үшін ықшам ансамбльдердің практикалық тұрғыдан қолдануға жарамдылығын растайды.