本发明公开了一种基于机器学习的圆球颗粒体系渗透特性的预测方法及系统，其中的方法采用离散单元法生成不同级配的圆球颗粒集合体，并对颗粒试样进行区域分割，建立包含颗粒材料级配信息和三维图像结构的试样数据集，再通过格子玻尔兹曼方法和D3Q19晶格模型，计算颗粒试样的渗透率；提取颗粒试样宏观、微观尺度的结构特征；构建训练机器学习模型的数据集；训练机器学习模型，最终得到能通过颗粒材料多个尺度结构特征准确有效预测渗透率的模型。本发明的方法弥补了宏观结构参数无法准确描述孔隙内部复杂结构的缺陷。同时基于提取的结构参数构建基于机器学习的渗透率预测模型，解决了传统渗流试验耗时长，颗粒尺寸变化范围大导致试验器材受限的问题。