我们现在处于一个信息爆炸的时代,如何利用所获取的数据信息来预测得到事物未来发展的行为趋势,已经成为数据分析领域的研究热点。在现实世界中,很多数据都具有不完整、不确定和模糊性等特性。模糊时间序列预测模型(FTS)在处理这些数据时所体现表现出了独特优势,吸引着越来越多的研究人员投入到模型的应用和研究中去。目前,模糊时间序列预测模型已经被广泛的应用于温度预测、交通流量预测、电力预测、网络用户预测、游客数量预测等诸多方面。经过大量的研究发现论域划分和模糊预测方法是影响模型预测精度的两个重要因素,因此,本文从这两方面着手来改进模糊时间序列预测模型。在论域划分方面,提出一种基于细菌觅食算法(BFA)和莱维飞行(Levy)的改进人工鱼群算法(HAFSA),并将其用于模糊区间的划分中。为了验证所提出算法的有效性,本文采用三个标准测试函数来仿真对比HAFSA算法和经典人工鱼群算法(AFSA)的优化性能,结果显示HAFSA算法的预测精度和收敛速度都有了明显提高。在求取预测值方面,因为过去观测值是决定预测值大小的关键因素,因此如何有效的集结过去时刻的观测值已经成为了模糊时间序列模型的研究重点,本文提出利用有序加权平均算子(OWA)来集结过去观测值,提出了一种基于有序加权平均算子的模糊预测方法。并通过与Kuo等人所提出的模糊预测方法(MV)对比,进一步说明了该模糊预测方法的有效性。最后,为了验证本文所提出的改进模糊时间序列预测模型的有效性,采用Alabama大学的注册人数作为样本数据来进行仿真实验,结果表明所提出算法拥有更高的预测精度。