在对具有高噪声和非线性的时间序列进行长期预测的研究中，序列数据的趋势信息和波动范围通常比时间点的特定值的预测更有价值和实用。 针对模糊信息颗粒（图）的可变长度分区，构造了一种称为逐步线性除法（SLD）的方法，该方法的特征是从时间序列的原始数据分布中提取的。 其次，基于上述划分算法，首先提出了一种新颖的模糊信息颗粒，可以描述数据的变化趋势，波动范围和分散程度。 此外，可以量化预测结果的可靠性。 在对时间序列进行细化之后，建立了基于规则的模糊推理系统，以实现对时间序列的预测。 实验中利用合成序列和真