从噪声数据中发现可解释的常微分方程数据驱动的可解释模型发现方法在过去十年中备受关注。现有方法通常采用预定义的函数形式或基函数,导致模型缺乏物理意义和可解释性,且难以反映系统真实物理特性。本文提出一种无监督参数估计方法:首先基于齐次线性常系数常微分方程(ODE)的解析解形式假设近似通解,再通过样条变换线性估计ODE的系数。该方法能从噪声数据中生成高保真平滑函数形式,并利用样条近似从函数形式中提取线性独立的梯度信息构建梯度矩阵,进而通过线性系统求解ODE系数。案例研究表明,该方法无需正则化即可高精度发现稀疏ODE,且对噪声数据具有强鲁棒性,适