筒仓卸料时的动态侧压力是导致筒仓结构破坏的重要原因。然而,受到筒仓几何尺寸、散体贮料的物理属性等因素的影响,动态侧压力分布极其复杂,且与其影响因素之间存在复杂的非线性关系。现行的研究方法大都考虑某一种或几种影响因素与筒仓动态侧压力之间的关系,实际上筒仓动态侧压力是多种影响因素共同作用下产生的。因此,建立一种能够考虑多种影响因素、高效、准确的动态侧压力的预测方法尤为重要。本文利用支持向量机、BP神经网络和随机森林方法,提出了三种考虑多因素和非线性影响的筒仓动态侧压力预测模型。然后,对三种预测模型的预测结果对比分析,得到动态侧压力的最优预测模型。利用最优预测模型对筒仓动态侧压力的概率分布进行研究。研究成果为筒仓动态侧压力预测和概率分布提供一种新的方法,推动了可靠度理论在筒仓结构中的应用。研究提供了主要内容如下:（1）通过调研与PFC数值模拟两个途径获得本文所需“数据集”,厘清筒仓动态侧压力影响因素,包括:筒仓高度、内径、高径比、卸料口宽度、漏斗角度、内摩擦系数、外摩擦系数、贮料密度和测点位置。（2）建立了基于支持向量机、BP神经网络、随机森林的筒仓动态侧压力预测模型,并利用“数据集”中的测试样本验证了模型的精度与学习能力。然后,将三种模型的预测结果进行对比分析。结果表明:基于支持向量机的筒仓动态侧压力预测模型的准确率最高,泛化性能最好,预测精度最高。（3）为了进一步验证基于支持向量机的筒仓动态侧压力预测模型的预测效果与对数据的适应性。一方面将模型试验、数值模拟、与预测结果进行对比分析。另一方面利用筒仓规范与预测模型,对动态侧压力进行计算,对结果进行对比分析。研究表明:数据吻合良好,证明利用提出的预测模型研究筒仓动态侧压力的可行性较高,为筒仓动态侧压力预测研究提供一种新的方法与思路。（4）基于本文提出的支持向量机预测模型,散体贮料以小麦为例,在其他影响因素不变的条件下,将小麦密度这一单因素通过Matlab软件获得1000组随机数。然后,将随机数带入支持向量机预测模型获得1000组预测结果。最后,通过Easyfit软件拟合分布,得出Beta分布为筒仓动态侧压力的最优概率分布,为筒仓可靠性研究奠定一定的理论基础。