Se propuso un modelo híbrido para la serie temporal de estructura compleja (HMTS). Está basado en la combinación de expansiones de funciones en una serie de wavelets con modelos ARIMA. HMTS tiene componentes regulares y anómalos. Los componentes de la serie temporal, obtenidos después de la expansión, tienen una estructura más simple que permite identificar el modelo ARIMA si los componentes son estacionarios. Esto nos permite obtener un modelo ARIMA más preciso para una serie temporal de estructura complicada y ampliar el área de aplicación. Para identificar el componente anómalo de HMTS, se aplican funciones de umbral. Este artículo describe una técnica para identificar HMTS y propone operaciones para detectar anomalías. Con el ejemplo de una serie temporal de parámetros ionosféricos, mostramos la eficiencia de HMTS, describimos los resultados y su aplicación en la detección de anomalías ionosféricas. HMTS se comparó con la red neuronal de autorregresión no lineal NARX, lo que confirmó la eficiencia de HMTS.