La temperatura tiene un impacto significativo en la producción de hongos comestibles. La producción industrial de hongos comestibles se compromete a mantener con precisión la temperatura dentro de la sala de hongos dentro de un cierto rango para lograr una mejora en la calidad y eficiencia. Sin embargo, los métodos actuales de regulación ambiental tienen problemas como la regulación rezagada y un amplio rango de fluctuaciones de temperatura. Existe una necesidad urgente de predecir con precisión la temperatura de las casas de hongos en el período futuro para tomar medidas con anticipación. Por lo tanto, este artículo propone un modelo de predicción de temperatura para las casas de hongos utilizando un método híbrido de datos-física. Primero, se utilizó el algoritmo Boruta-SHAP para seleccionar los factores clave que influyen en la temperatura de la sala de hongos. Posteriormente, la temperatura interior se descompuso utilizando la descomposición modal variacional optimizada. Luego, se utilizaron la unidad recurrente con compuerta y el mecanismo de atención para predecir cada componente modal, y la ecuación de balance de calor de la casa de hongos se incorporó en la función de pérdida del modelo. Finalmente, los valores predichos de cada componente se acumularon para obtener el resultado final. Los resultados demostraron que integrar un modelo físico simplificado en el modelo predictivo basado en la descomposición de datos llevó a una reducción del 12.50% en el RMSE de las predicciones del modelo en comparación con un modelo puramente basado en datos. El modelo propuesto en este artículo mostró un buen rendimiento predictivo en conjuntos de datos pequeños, reduciendo el tiempo requerido para la recopilación de datos en la modelización.