本文提出了一种新型单变量时间序列预测技术R-HFCM，结合了回声状态网络和最小二乘算法，应用于太阳能预测和电力负载数据，显示出较高的准确性和预测性。同时，研究探讨了模糊认知图在时间序列建模中的应用及未来研究方向。

该论文探讨了模糊认知图（FCM）在时间序列预测中的应用，强调其知识可解释性和动态特性。综述了基于FCM的预测模型，并提出应对非平稳数据和可扩展性挑战的思路。研究表明，结合遗传算法和FCM能够模拟行为异质性，具有广泛的应用前景。

本文探讨了模糊认知图（FCM）在时间序列预测中的应用，强调其知识可解释性和动态特性。研究综述了基于FCM的预测模型，并提出应对非平稳数据和可扩展性挑战的思路。同时，介绍了用户反馈式反事实解释（UFCE）和新型特征重要性解释方法，以提高人工智能系统的透明度和解释性。