Thay vì xử lý dữ liệu dạng điểm truyền thống, công trình tập trung vào dữ liệu khoảng – loại dữ liệu phản ánh tốt hơn sự biến động và không chắc chắn trong thực tế. Khoảng cách chồng lấp được sử dụng để đo lường mức độ tương đồng giữa các khoảng dữ liệu, từ đó làm cơ sở cho việc phân cụm các phần tử rời rạc trong chuỗi thời gian.

Dựa trên kết quả phân tích chùm, mô hình dự báo được xây dựng theo quy trình cụ thể và có thể triển khai một cách hiệu quả bằng các công cụ tính toán như Matlab. Nghiên cứu cũng minh họa chi tiết từng bước xây dựng mô hình thông qua ví dụ số, giúp làm rõ cách thức áp dụng trong thực tiễn. Một ứng dụng tiêu biểu của mô hình là dự báo đỉnh mặn tại các trạm đo trên các sông chính của tỉnh Cà Mau, cho thấy khả năng thích nghi của phương pháp trong các bài toán môi trường và thủy văn.

So với các mô hình chuỗi thời gian truyền thống như ARIMA, phương pháp đề xuất có ưu điểm trong việc xử lý dữ liệu không rõ ràng hoặc có tính biến động cao, nơi mà các giả định về tính dừng hoặc phân phối chuẩn không còn phù hợp. Đồng thời, việc sử dụng phân tích chùm giúp khai thác cấu trúc tiềm ẩn của dữ liệu, nâng cao độ chính xác dự báo.

Kết quả nghiên cứu khẳng định tính khả thi và hiệu quả của mô hình trong việc dự báo dữ liệu khoảng, mở ra hướng tiếp cận mới trong phân tích chuỗi thời gian. Công trình cũng gợi ý khả năng mở rộng phương pháp sang các lĩnh vực khác như kinh tế, môi trường và kỹ thuật, nơi dữ liệu thường mang tính không chắc chắn và biến động phức tạp.