飞灰含碳量是煤粉锅炉运行过程中的重要参数，对其进行建模预测具有重要意义。本文采用自适应神经模糊推理系统(ANFIS)对某660 MW机组四角切圆煤粉锅炉的飞灰含碳量进行建模。根据相关知识和运行经验，确定模型的初始输入参数；利用减法聚类算法自适应确定初始模糊规则和结构参数；利用由最小二乘估计算法和误差反向传播算法构成的混合学习算法对模糊神经网络的参数进行学习，完成飞灰含碳量模型的初始构建；对模型输入参数进行敏感性分析确定最终输入参数，以降低输入参数对模型预测精度和复杂度的影响，完成飞灰含碳量预测模型的建立。该模型预测得到的结果精度较高，可真实反映飞灰含碳量的变化情况。在此基础上，将ANFIS模型和最小二乘支持向量机（LSSVM）及BP神经网络模型的预测结果进行对比。结果表明：在训练样本数足够多的情况下，ANFIS模型对飞灰含碳量具有更高的预测精度和更强的泛化能力；而在小样本情况下，LSSVM模型的预测精度和泛化能力更好。