La predicción de series temporales es uno de los principales enfoques seguidos por los investigadores en todas las áreas. Por esta razón, desarrollamos un nuevo enfoque de filtro de Kalman, al que llamamos filtro de Kalman alternativo. Las condiciones de búsqueda asociadas con la desviación estándar de la serie temporal determinada por el filtro de Kalman alternativo se sugirieron como una generalización que se supone mejora el filtro de Kalman clásico. Estudiamos tres series temporales diferentes y encontramos que en los tres casos, el filtro de Kalman alternativo es más preciso que el filtro de Kalman clásico. El algoritmo podría generalizarse a series temporales de diferente longitud y naturaleza. Por lo tanto, el enfoque desarrollado puede usarse para predecir cualquier serie temporal de datos con una gran varianza en el error del modelo que causa problemas de convergencia en la predicción.