基于可解释机器学习的颗粒流系统的温度预测方法及系统

本发明提供了一种基于可解释机器学习的颗粒流系统的温度预测方法及系统，涉及颗粒流系统研究与应用技术领域，该方法包括：获取颗粒流系统的数据集，数据集包括：多个时间点的实验平动颗粒温度和实验转动颗粒温度；基于预先构建的控制方程中的各个备选项，形成状态变量字典矩阵；对状态变量字典矩阵中的备选项进行均衡化处理，得到均衡化的字典矩阵；基于可解释机器学习方法和数据集，从均衡化的字典矩阵中，筛选出合理备选项并确定对应的权重，得到目标颗粒流系统控制方程；求解目标颗粒流系统控制方程预测平动颗粒温度和转动颗粒温度。本发明能够提高颗粒流系统控制方程的可靠性，进而提高颗粒流系统温度预测的准确性。