近年来,钻井作业现场风险概率预测问题引起了国内外研究者的关注,其潜在的不精确性和模糊性使有些预测方法不再适用。模糊技术成了有用的工具,模糊时间序列方法也随之产生,大多数研究者对此方法进行改进并将其应用到许多领域,预测效果非常显著。本文在模糊时间序列方法的基础上,针对钻井作业现场风险预测问题,提出一种新模糊时间序列方法。首先,论域的划分及模糊集的引入。风险概率数据被平稳性检验,采用模糊C均值聚类算法(FCM)得到聚类中心和隶属度矩阵。然后对数据集进行模糊划分,划分的原则是将序列的最值和相邻两聚类中心的平均值作为子区间的边界值,从而引入模糊集。其次,建模和预测。根据隶属度矩阵,得到与模糊集相同数目的子隶属度序列,对各个子隶属度序列进行时间序列分析,获得最佳预测模型。其分析步骤包括平稳性检验、白噪声检验、模型识别与定阶、模型参数检测以及残差检验等,再根据最优模型预测未来时刻的值。然后,预测值的修正和去模糊化。初步判断出数据的隶属后,再根据隶属度的概念来修正预测值,修正原则采用min-max标准化将预测值尽可能的加以区分,使隶属更加直观化、清晰化、准确化。其次采用隶属度加权平均法对修正后的值进行去模糊化处理,得到与原始观测样本同类型的预测结果。最后,新方法与Song and Chissom的方法、Tsaur and Kuo的方法比较。结果显示:本文提出方法的均方根误差(RMSE)和平均绝对百分误差(MAPE)均小于其他两种预测方法的RMSE和MAPE。因此,很容易推出该新方法在钻井作业现场风险概率预测领域相比现有预测方法较具有一定的科学指导意义。