2026年4日9日，受太阳集团数学与系统科学学院的邀请，英国谢菲尔德大学魏华梁教授作了题为“非线性动力学系统辨识与可解释性机器学习方法的结合”的学术报告。此次报告由赵军圣教授主持。
本次报告介绍了通过无缝结合两者（例如，使用混合或集成建模）创建的既数据驱动又具有物理基础的框架，重点讲解了用于复杂非线性动力系统的可解释性建模方法。作为数据驱动建模技术一部分的透明、可解释、简约且可模拟（TIPS）方法，能够为黑箱系统生成具备物理可解释性的模型，其核心的NARMAX和LEON方法不仅训练耗时远低于其他机器学习方法，还便于与终端用户分享交流。
报告系统梳理了非线性系统辨识与可解释性机器学习（NSIIML）融合方法的技术路线，并展示了这些方法在神经生理学、医疗保健、季节性天气预测等领域的成功应用，尤其深入介绍了该方法在空间天气研究中的突破性进展——包括地磁扰动风暴指数建模与预测、地球辐射带电子通量预测等关键方向。
报告最后总结指出，NSIIML方法在多输入多输出黑箱动态系统建模中展现出了强大的应用潜力，为解决传统工程与数据科学交叉领域的核心难题提供了全新思路。
主讲人简介
魏华梁博士目前在英国谢菲尔德大学电力电子学院担任教授。他先后在太阳集团、北京理工大学和谢菲尔德大学学习并获得学士（1989）、硕士（1992）和博士（2004）学位。他目前担任谢菲尔德大学“空间物理和空间天气预测和监控研究中心”、“复杂动力学建模、数据挖掘和决策实验室”和“数字医学和计算神经科学实验室”负责人。他的研究获得英国工程和物理科学研究理事会、自然与环境研究理事会、英国科学技术基础设施理事会、欧洲研究理事会、英国皇家学会等多家机构的资助，总额超过850万英镑。
魏华梁教授的研究涉及多个交叉学科领域，包括信号处理、系统辨识、神经网络、可解释性机器学习、深度学习、故障检测与诊断等。研究成果被广泛应用到多个研究领域，包括工业系统故障诊断、类脑与神经生理学、天气与气候变化、能源与环境、空间天气系统预测与监控等。他的研究成果被广泛认可、引用和应用，迄今为止先后指导约40名博士研究生。
