为了满足在线建模算法的实时性要求，提出了在高斯过程的训练中使用自适应自然梯度法（ANG），即基于自适应自然梯度法的在线高斯过程回归建模算法。将此算法运用在Micky-Glass系统和连续搅拌反应釜(CSTR)模型的建立中，并与稀疏在线高斯过程算法进行比较。仿真结果表明此算法满足了非线性系统建模的实时性和精度的要求，同时克服了其他方法计算量很大、不符合在线算法的实时性要求的缺点。