筒仓卸料过程中的动侧压力是筒仓结构破坏的重要原因，但影响筒仓动侧压力的因素很多，它们之间存在复杂的非线性关系。因此，建立一种考虑多种因素影响的高效、准确的动态侧压力预测方法显得尤为重要。基于机器学习方法、支持向量机、BP神经网络和随机森林，对筒仓动态侧压力进行了预测。选择影响料仓动态侧压力的相关因素作为输入变量，动态侧压力作为输出值。对三种常用的机器学习参数进行了优化设置，建立了筒仓动态侧压力预测模型。通过试验样本对预测模型进行检验，分析表明，alpine算法具有最好的预测能力和适用性，为筒仓动态侧压力的预测提供了一种新的方法。利用MATLAB软件随机抽取单个因素的储存密度，得到了1000组分布均匀的随机数。将数据输入最优预测模型，用Easyfit软件拟合预测值的概率分布，得到筒仓动侧压力的概率分布，为筒仓结构的可靠性研究提供理论依据。