Rozmyte mapy kognitywne (FCM) to skierowane grafy z wieloma węzłami, co czyni je dobrze przystosowanymi do rozwiązywania problemów prognozowania wielowymiarowych szeregów czasowych (MTS). Podczas prognozowania MTS kluczowe jest traktowanie każdego wektora MTS jako całości, biorąc pod uwagę zarówno związki przyczynowo-skutkowe między różnymi zmiennymi wektora w punkcie czasowym (relacja przestrzenna), jak i związki przyczynowo-skutkowe między wieloma wektorami historycznymi a wektorem przyszłym (relacja czasowa). Istniejące modele prognozowania MTS oparte na FCM często nie traktują wektorów jako całości i nie odzwierciedlają wyraźnie relacji czasowej i relacji przestrzennej w MTS. Aby rozwiązać te ograniczenia, niniejszy artykuł wprowadza koncepcję złożonych FCM (CFCM). CFCM składa się z dwóch warstw FCM: warstwa 1 FCM opisuje relację czasową w MTS, podczas gdy warstwa 2 FCM opisuje relację przestrzenną. Dzięki osadzeniu FCM warstwy 2 w węzłach FCM warstwy 1 relacje w obrębie MTS mogą być odzwierciedlone oddzielnie, przy jednoczesnym traktowaniu każdego wektora jako całości. W tej strukturze węzły FCM warstwy 1 reprezentują historyczne wektory używane do prognozowania przyszłego wektora, a każdy węzeł FCM warstwy 1 odpowiada FCM warstwy 2, którego węzły reprezentują zmienne wektora w określonym historycznym punkcie czasowym w MTS. W oparciu o nową koncepcję CFCM, niniejszy artykuł proponuje nowy model prognozowania MTS, który może wyraźnie odzwierciedlać relacje czasowe i przestrzenne w MTS i wykorzystywać wiele wektorów historycznych do prognozowania przyszłego wektora. Wyniki eksperymentów wykazują skuteczność proponowanego modelu prognozowania MTS.