本发明公开一种基于均匀量化器的数据驱动学习系统的编解码动态预测补偿技术，属于智能控制领域。数据驱动框架下，针对带宽有限的重复网络化非线性系统的数据传输质量恶化问题，补偿策略如下：建立重复非线性系统；将其转化为等价线性数据模型；建立跟踪误差与编解码机制之间的数据关联关系；设计预测补偿机制实现不可用数据的预测补偿；设计更新算法估计线性数据模型中的伪偏导数；设计迭代学习控制算法保证重复非线性系统的收敛及稳定。本发明公开的编解码动态预测补偿技术可避免由于网络带宽限制而导致的数据传输质量下降，使用了数据驱动的方法，能够不依赖精确系统模型信息，在保证鲁棒性和良好适应性的同时节省有限网络资源并提高控制性能。