该文章介绍了一种决策为中心的替代建模概念，用于实时环境下的非线性优化问题。通过学习简化的凸优化模型，最小化决策预测误差，验证了该框架在非线性化学过程中的有效性，并与标准的数据驱动替代建模方法进行了比较，证明了该方法的数据效率更高。