該預測控制主要由四部分組成：參考軌跡，預測模型，模型修正和滾動優化。 主要研究對象是單輸入單輸出離散時間非線性動態系統。 可以使用NARMAX模型（非線性自回歸移動平均模型）。 描述如下：
y（k）= f（y（k-1），u（k-1），... u（k-m））（3.1）
其中y（k）和u（k）分別是在時間k處的過程的鞘和輸入變量，并且m是其順序，并且f是連續非線性函數，其中預測模型被部分地前饋 神經網絡。 同時，在預測模型中，輸入數據的不正確選擇使得神經網絡學習算法容易陷入局部較小值或者網絡不能收斂。 為避免此問題，需要對輸入數據進行標準化。 對于（3.1）中描述的控制對象，圖3.2中所示的BP神經網絡可用于建立預測模型。
通常，類似的網絡預測控制是基于閉環控制策略優化模型的算法。 核心是使用動態模型來預測未來的流程和行為。 其中，介紹了模型誤差反饋校正機制，并推出了有域優化策略。 重復本地目標在線優化。 為了獲得模型不匹配的較好實際控制并避免由此產生的不確定性干擾。
