MPC常用于线性模型分析

预测系统采用**Model Predictive Control (MPC)**核心算法进行数据处理与优化计算。在实际应用中可选建模方法多种多样，在工业领域主要涉及传递函数建模、ARX（自回归外推）方法以及状态空间建模等多种技术路线。以下将简要介绍几种基本的建模类型：

自回归模型（Auto-regressive Model） autoregressive model是一种基于历史时间段内观测值建立预测关系的方法。该方法通过分析时间序列中的历史数据点之间的相互作用机制，在未来某一刻随机过程的状态进行预测的方法。其核心思想是将当前观察值表示为历史时间段内若干个时间点上的观测值的加权总和。具体而言，在这种模式下, 我们假设当前系统的状态可以通过其自身的过去状态通过线性运算得到的结果来进行描述与建模

2. 线性差分方程

该图像显示线性差分方程的基本形式。相较于传统的自回归模型，在此图中引入了历史输入变量来影响当前输出结果。其中M和N代表模型的阶数，在这种情况下当阶数增加时……则可能导致……计算效率受到影响。