自回归AR（p）预测模型是无线传感网络（WSN）中一种减少数据传输次数和降低能量消耗的方法。针对AR（p）模型在建模过程中忽略了不同时期的历史数据对预测值的影响存在的差异，导致模型预测精度不高、网络通信频率受影响的问题，提出了一种改进的预测模型FAR（p）。在AR（p）模型中引入一种新的模糊隶属度函数，通过模糊隶属度函数对预测模型的每个历史数据赋予权值，实现历史数据“重近轻远”的预测效果，并经二次加权平均算法处理后重新构建预测模型。仿真结果表明，改进的预测模型有效地提高了模型预测精度，减少了传感网络中数据传输次数，降低了能量消耗。