Modelar sistemas de parámetros distribuidos (DPSs) es desafiante debido a su fuerte no linealidad y acoplamiento espacio-temporal. En este estudio, se propone un método de modelado difuso tridimensional que combina el algoritmo genético (GA) para el agrupamiento automático y la máquina de aprendizaje extremo jerárquico (HELM) para el modelado de DPSs. El método utiliza el agrupamiento automático basado en GA para aprender la parte premisa de las reglas difusas 3D, mientras que HELM se emplea para aprender funciones de base espacial y construir una base de reglas difusas completa. Este enfoque captura eficazmente las características de acoplamiento espacio-temporal del sistema y mitiga la pérdida de información comúnmente observada en la reducción de dimensionalidad en los métodos de modelado difuso tradicionales. A través de la verificación experimental, el método propuesto se aplica con éxito a un sistema de deposición química de vapor térmico rápido. Los resultados experimentales demuestran que el método puede predecir con precisión la distribución de temperatura y mantener una buena robustez ante ruido y perturbaciones.