居民生活垃圾可燃成分具有较高的热值,若能充分回收利用将其能源化,对能源危的可持续利用具有非常重大的意义。.本文选择人工神经网络进行数据挖掘,以在居民小区采取的生活垃圾所测定的试验数据为基础,选择PE/PP、纸类、橡胶、含水率以及干基氢各含量作为模型的输入参数,居民生活垃圾可燃成分的低位热值为输出参数,并分别基于BP神经网络、RBF神经网络和自适应神经模糊推理系统(ANFIS),对低位热值建立了预测模型。BP神经网络模型预测准确率为93.36%,RBF神经网络模型预测准确率为96.87%,自适应神经模糊推理系统(ANFIS)的模型预测准确为91.06%。对比三种模型的预测结果可知：BP、RBF神经网络和自适应神经模糊推理系统(ANFIS)模型均可用于可燃成分热值的预测。ANFIS模型具有极高的模型拟合效果,但模型的验证误差相对较大,使该模型平均预测准确率较低。BP模型的预测准确率相对较高,能较好的对可燃成分热值进行预测,但其效果要低于RBF模型。RBF模型在BP模型的基础上加入了线性控制,使模型的预测准确率有了较大提高。由此证明：RBF模型更适用于居民生活垃圾可燃成分的低位热值预测,能获得令人更为满意的结果。当PE/PP、纸类、橡胶、含水率以及干基氢各含量分别为31.66%、59.94%、0.03%、31.37%、8.74%时,经RBF模型预测后得到的低位热值为16352.61kJ/kg,其处于RDF物料所要求热值范围,故用居民生活垃圾中的可燃成分生产RDF具有一定的理论可行性。