В работе представлен новый метод выделения техногенной составляющей вертикальных смещений земной поверхности, основанный на модифицированном фильтре Калмана с элементами робастной статистики и байесовской адаптации параметров. Предложенный метод — гибридный фильтр скрытых слоёв (ГФСС) — позволяет повысить точность разделения сезонных, сейсмотектонических и техногенных смещений за счёт введения отдельного скрытого состояния для сезонной компоненты, применения распределения Стьюдента вместо нормального закона ошибок и адаптивной корректировки дисперсии шумов наблюдений. Численные эксперименты на синтетических данных, имитирующих реальные наблюдения на геодинамических полигонах, показали, что новый метод снижает среднеквадратическую ошибку (СКО) выделения техногенной составляющей на 25–30 % по сравнению с фильтром Калмана и более чем в два раза по сравнению с линейной регрессией. Также показано, что гибридная процедура обеспечивает устойчивость оценок при неполных рядах наблюдений и смене режима разработки: алгоритм корректно реагирует на структурные сдвиги, подавляет разрежённые выбросы, автоматически перенастраивает ковариации и сохраняет сходимость при сильной сезонности. Метод пригоден для интеграции с InSAR и GNSS, масштабируется на большие сети реперов. Поддерживается оценка доверительных интервалов тренда, онлайн-обновление параметров и выявление аномальных кластеров оседаний.