Luận văn đề xuất một mô hình dự báo chuỗi thời gian mờ cải tiến dựa trên các kỹ thuật tính toán mềm nhằm nâng cao độ chính xác và hiệu quả dự báo. Mô hình kết hợp đại số gia tử (HA) để tối ưu hóa phân hoạch không gian mờ, thuật toán tối ưu bầy đàn (PSO) để tinh chỉnh các tham số, và mạng nơ-ron nhân tạo (ANN) để học các mẫu phi tuyến tính phức tạp. Quy trình dự báo bao gồm các bước: xác định tập nền, phân hoạch mờ tối ưu bằng HA, xây dựng quan hệ mờ bậc cao, và giải mờ. Kết quả thực nghiệm trên các bộ dữ liệu tài chính và khí tượng cho thấy mô hình đề xuất vượt trội so với các mô hình truyền thống như ARIMA và mô hình mờ thông thường về các chỉ số sai số RMSE và MAPE. Nghiên cứu khẳng định tiềm năng ứng dụng của mô hình trong dự báo giá cổ phiếu, nhiệt độ và các lĩnh vực kinh tế - xã hội khác.