模糊时间序列模型在过去的十几年里已经取得了很大的发展。这些模型在预测时,通常不考虑时间序列的平稳性。然而在预测不平稳的时间序列时,会影响预测精度,同时,在模糊时间序列预测模型中有许多因素同样会影响预测的精度,其中论域的划分和数据的模糊化是两个重要部分。本文针对上述的问题进行了以下的研究,最后提出了一种改进的模糊时间序列模型来有效的预测季节时间序列。在季节调整上,针对目前利用移动比率移动平均算法去除时间序列中季节性中丢失缺失项的问题。本文提出了一种改进的趋势分析方法,去掉季节性的时间序列就变得平滑了,进而可以结合模糊时间序列进行预测。在论域划分上,本文利用FCM算法对论域划分。同时给出了一种有效性准则来说明聚类的效果。从而使聚类更有说服力,有助于提高预测的精度。在数据模糊化上,主观定义模糊集不能真实地反映数据结构的分布。本文使用陈刚老师提出的根据距离定义的模糊集。最后通过台湾机器生产数据的预测结果表明了利用这种新的模糊时间序列模型的有效性。