自适应光学系统的性能受限于伺服系统的延迟误差和波前传感器的光电子噪声。提出了一种多模型单变量预测模型，该模型采用基于Levenberg-Marquardt学习算法的前馈型神经网络。利用计算机多核处理器，设计了一个具有并行处理能力的预测控制器，来实现对自适应光学闭环控制电压的预测，以消除延迟误差的影响。通过数值仿真实验，研究了预测控制器对控制电压和远场斯特雷尔比的影响，与未采用预测控制器的系统进行了比较，并对预测算法的并行性能进行了分析。实验结果表明，使用并行化方法的预测控制器可以有效缩短系统的预测时间，提高预测算法的加速比，与经典比例积分（PI）控制算法相比可以更有效地降低系统由于伺服延迟引起的误差，远场的斯特雷尔比有明显地提高。

在校正大气湍流畸变波前相差的自适应光学系统中，利用基于Levenberg-Marquardt学习算法的非线性反向传播神经网络技术（LMBP）对变形镜控制电压进行预测。以对受横向风影响的大气湍流畸变波前斜率数据为研究对象，通过数值仿真方法，研究了基于LMBP算法的自适应光学系统变形镜电压非线性预测控制算法。通过实验发现，预测电压和变形镜实际控制电压拟合效果良好。讨论了回溯帧数对预测效果的影响，并与基于递推最小二乘（RLS）算法的线性预测算法进行比较。对比结果表明，基于LMBP算法的非线性电压预测方法比基于递推最小二乘法的线性电压预测方法能更有效地降低系统由伺服延迟引起的误差。