时间序列的长期波动通常由具有各种动力学特征的大量短期行为组成，其中不同时期的波动模式会相互变化。 在本文中，我们提出了一种新的方法来构造极坐标中的模糊信息颗粒，并在短期波动模式的基础上实现对时间序列长期波动的预测。 首先，通过滑动时间窗将时间序列划分为多个段，并基于回归模型定义模糊信息颗粒，以指示时间段的波动模式。 不同信息颗粒之间的传递形成了一个包含丰富推断信息的动态网络。 接下来，分析构建的网络以捕获模糊信息颗粒的传递特性。 结果表明，只有少数类型的模糊信息颗粒和模糊关系组在波动机制中起关键