近年来，由于计算机技术的发展，使得数据易于存储和处理，这使运用基于数据驱动建模的方法成为可能。基于数据驱动建模方法既不需要掌握实际系统的先验知识以及基本规律，也无需分析内部详细机理，仅仅涉及工业生产过程中的输入输出数据，因此适用于带有高非线性和不确定性的复杂工业建模。基于数据驱动的控制方法仅仅利用受控系统的离、在线输入-输出数据以及经过数据处理而得到的知识来设计控制器，也就是直接从数据到控制器的理论方法，这也使得基于数据驱动的控制方法在使用时具有一定的局限性。在实际问题中,涉及的系统的输出往往是未知的，并且输出往往是伴有噪声，当基于数据驱动的控制方法在建模过程中待解方程的条件数过大时，常伴有不适定现象的发生，使得计算结果无意义。本文着重研究了基于数据驱动的控制方法在建模过程中出现的不适定问题，主要完成以下研究工作：1.针对多元线性回归过程抗外界噪声干扰能力差问题，将解决不适定问题的经典Tikhonov正则化方法应用于多元线性回归过程中。通过在目标泛函中添加正则化泛函，解决模型的不适定问题，最后通过贝叶斯正则化方法求解正则化参数,并给出了具体算法。仿真示例表明本文方法的有效性。2.针对模糊系统建模过程中后件参数辨识过程中的不适定性，采用Tikhonov正则化方法，在最小化泛函中引入正则化泛函解决整个辨识过程中的不适定问题，进一步，通过贝叶斯正则化方法求解正则化参数。数值仿真表明该方法的适定性。