基于矩匹配先验网络的空气质量相关性估计方法和系统

本发明提供一种基于矩匹配先验网络的空气质量相关性估计方法和系统，涉及数据挖掘领域。本发明通过预先构建基于矩匹配先验网络的相关性估计模型得出空气质量数据集不同变量间的相关性，预测空气质量的变化。其中，相关性估计模型中的高斯似然函数的共轭先验分布形式为在该共轭先验分布形式中，模型不确定性Σ与数据不确定性Λ相互独立，解耦了认知不确定性和任意不确定性之间联系。同时，本发明通过隐式地学习证据先验形式{μ,Σ,Λ0}，利用矩匹配估计预测分布中参数，无需引入大量的分布外数据，能够降低训练成本，加快训练速度，提供更为准确的不确定性估计，并帮助研究人员更好地理解和预测空气质量变化。