Mô hình chuỗi thời gian mờ là một trong những công cụ được sử dụng để giải quyết quá trình phức tạp và không chắc chắn. Trong quá trình thiết lập mô hình chuỗi thời gian mờ, độ chính xác dự báo phụ thuộc vào hai vấn đề chính: (1) Phân khoảng và xác định độ dài khoảng dữ liệu hiệu quả, (2) Thiết lập các mối quan hệ mờ hợp lý cho dự báo. Trong nghiên cứu này, một mô hình dự báo chuỗi thời gian mờ mới sử dụng kỹ thuật phân cụm dựa trên đồ thị để xác định độ dài khoảng khác nhau được đề xuất. Mô hình đề xuất được áp dụng trên hai tập dữ liệu chuỗi thời gian, dữ liệu lịch sử về số lượng tuyển sinh đại học tại Đại học Alabama và dữ liệu về đỉnh muối của một tỉnh ven biển Việt Nam. Kết quả tính toán cho thấy, mô hình đề xuất có độ chính xác dự báo cao hơn các mô hình hiện có khi áp dụng cho hai tập dữ liệu cụ thể., Tóm tắt tiếng anh, The fuzzy time series forecasting model is one of the tools which is used to deal with the complexity and uncertainty process. In the establishing of fuzzy time series model, the predictive accuracy depends on two main issues: (1) Partitioning and determining the effective lengths of intervals (2) Establishing the fuzzy relationships for prediction reasonably. In this study, a new fuzzy time series forecasting model that uses graph-based clustering to determine the different interval lengths is proposed. The proposed model is applied to two time series data sets, the historical data on the number of enrolments of university at the University of Alabama and the data set of salt peak for a coastal province in Vietnam. Computational results show that the proposed model has higher forecasting accuracy than the existing models when applied to two specifically datasets.