动态电源管理是物探仪器低功耗控制中的重要技术。高效的动态电源管理预测算法是动态电源管理的核心技术,直接影响物探仪器的续航能力,是物探设备的正常运行和数据采集的重要保障。基于以上原因,本文提出了一种动态电源管理的预测式算法：自反馈内嵌式马尔可夫算法。算法基于分布式系统和多任务系统的特点,对多任务系统运行状态进行归类,再利用马尔可夫算法,构建出抽象数据模型和实例数据模型,以此求出转换概率矩阵,并由初始状态对未来运行状态进行预测。同时增加了自反馈机制,对比未改进的马尔可夫算法,预测精度和算法稳定性都得到有效的提高。此外,影响系统功耗的因素有很多,由此提出了一种基于自反馈内嵌式马尔可夫算法和神经网络算法的双重预测机制,同时对空闲状态和运行状态进行预测,提高了预测精度,因而可进一步降低系统功耗。文章先分析了嵌入式移动设备功耗控制情况和现有动态电源管理算法,结合多任务系统和分布式系统功耗控制中所面临的问题,提出了一种预测式动态电源管理算法。随着动态神经网络算法的提出,文中对静态神经网络中的BP神经网络算法和RBF神经网络算法与动态神经网络算法进行了预测精度的对比仿真测试。并探讨了自反馈内嵌式马尔可夫算法与神经网络算法的各种耦合方法,构建出了权值调配法和双重预测机制模型,整体预测精度有所提高。最后针对所做工作进行了总结,并提出进一步的改进和建议。