Se propone en este trabajo un ajuste dinámico de parámetros para la optimización por enjambre de partículas (PSO) utilizando un sistema de inferencia difuso de tipo-2 de intervalo. Una red neuronal difusa con pesos de números difusos de tipo-2 de intervalo utilizando S-norma y T-norma se optimiza con el método propuesto. Un ajuste dinámico del PSO permite que el algoritmo se comporte mejor en la búsqueda de resultados óptimos porque el ajuste dinámico proporciona una buena sincronía entre la exploración y la explotación del algoritmo. Se presentan los resultados de experimentos y una comparación entre redes neuronales tradicionales y las redes neuronales difusas con pesos de números difusos de tipo-2 de intervalo utilizando T-normas y S-normas para demostrar el rendimiento del enfoque propuesto. Para probar el rendimiento del enfoque propuesto, se aplican algunos casos de predicción de series temporales, incluidos los intercambios bursátiles de Alemania, México, Dow-Jones, Londres, Nasdaq, Shanghai y Taiwán.