Cách phân khoảng này thì tập nền U được chia thành một số khoảng cho trước với độ dài bằng nhau, còn gọi là phân khoảng tĩnh hay phân khoảng theo lưới. Nhiều công trình nghiên cứu đã áp dụng phương pháp phân khoảng tĩnh để giải quyết các bài toán khác nhau trong giai đoạn đầu của mô hình dự báo mà không cần nêu bất kỳ lý do gì [8-10, 48].
Ví dụ 2.7: Xét quá trình phân khoảng của Chen [10] sử dụng dữ liệu tuyển sinh của Đại học Alabama [8]. Giá trị lớn nhất và nhỏ nhất của chuỗi dữ liệu này lần lượt là 19337 và 13055. Tập nền U được chia thành 7 khoảng bằng nhau: 𝑢𝑖, (i = 1, 2, ..., 7) với độ dài là 1000: 𝑢1 = [13000 ,140000], 𝑢2 = [14000 ,15000], 𝑢3 = [15000, 16000], 𝑢4 = [16000, 17000], 𝑢5 = [17000 ,18000], 𝑢6 = [18000, 19000], 𝑢7 = [19000, 20000]. Một cách trực quan có thể biểu diễn cách phân khoảng của Chen như trong Hình 2.7.
Hình 2.7: Minh hoạ các khoảng chia liên tiếp có độ dài bằng nhau là 1000 Đối với cách phân khoảng theo lưới, các tập mờ được phân phối đều trên trên tập nền U dẫn đến việc tính toán các khoảng và biểu diễn các tập mờ trên nó một cách dễ dàng. Tuy nhiên độ chính xác dự báo của các mô hình FTS sử dụng các khoảng có độ dài bằng nhau sẽ không được tốt nếu sự phân bố các giá trị dữ liệu không đồng nhất [76, 80]. Bởi vậy không thể phủ nhận một số cách tiếp cận mềm dẻo và linh động hơn được sử dụng để phân các khoảng có độ dài khác nhau như: các phương pháp phân cụm và các kỹ thuật tối ưu. Hiện tại các kỹ thuật này được xem là các phương pháp phân khoảng hiệu quả và còn nhiều mở rộng để nâng cao độ chính xác dự báo trong mô hình chuỗi thời gian mờ.