کنترل پیش‌بین داده-محور در دهه اخیر در زمره موضوعات پژوهشی جذاب مهندسی کنترل درآمده است. مانند کنترل داده-محور کلاسیک دو روند اصلی برای طراحی کنترل پیش‌بین داده-محور وجود دارد: روند غیرمستقیم که در آن ابتدا سیستم تحت کنترل شناسایی و سپس کنترل مدل-پایه براساس آن طراحی می‌‌شود، و روند مستقیم که در آن کنترل کننده با ارزیابی کارآیی آن در حلقه کنترل شناسایی می‌شود. موضوع این رساله شناسایی مستقیم کنترل پیش‌بین داده-پایه است. کنترل پیش‌بین متکی به مدل سیستم تحت کنترل به عنوان مدل پیش‌بین است. اگر مدل پارامتری سیستم به عنوان مجهول انتخاب شود، کنترل کننده تابعی ضمنی از پارامترهای مدل خواهد بود که می‌تواند توسط روش‌های طراحی مسئله کلاسیک کنترل مدل-مرجع شناسایی شود. لذا بخشی از این کار به توسعه مبانی نظری و ابزارهای مناسب برای طراحی کنترل پیش‌بین مدل مرجع یا جایگذاری قطب اختصاص دارد که امکان طراحی کنترل پیش‌بین را برای قطب‌های حلقه بسته مطلوب، یا قطب‌های در محدوده با حداقل نسبت میرایی مورد نظر، و نیز در حضور محدودیت‌های ورودی و خروجی فراهم می‌‌کند. در ادامه روش‌های شناسایی مستقیم مدل پارامتری تعمیم داده شده است و بر اساس آن شش الگوریتم برای طراحی کنترل پیش‌بین داده-محور مدل-مرجع، بهینه و بهینه با حداقل حاشیه پایداری به مفهوم تامین حداقل نسبت میرایی با استفاده از روش‌های شناسایی مبتنی بر همبستگی و فیدبک مرجع مجازی توسعه داده شده است. کارآیی این الگوریتم‌ها با مثال‌های مناسب نشان داده شده است. روش پیشنهادی در مقایسه با دیگر روش‌های طراحی؛ مستقیم و قابل شناسایی است و با توجه به تقلیل آن به روش کلاسیک طراحی مدل-مرجع بررسی امکان‌پذیری و پایداری آن توسط روش‌های توسعه داده‌شده قبلی در این حوزه قابل تصدیق و تضمین است.