在传感器网络、无线射频识别、市场预测、信息提取等应用中，由于各种因素的影响，数据表现出固有的不确定性，而且不确定数据之间存在着复杂的相关性（包括时/空相关性），管理与查询这些大量的不确定数据对数据库理论与技术提出了挑战。目前表示不确定数据的概率数据模型有的比较简单，不能有效表示数据间的复杂相关性；有的基于概率图模型（如贝叶斯网络模型），具有较强的表示不确定数据间相关性的能力，但在查询与概率推理方面其时间复杂度过高。　　 RTx-PDM是一种新的自主开发的概率数据模型，该模型不仅能够表示元组与属性的不确定性，而且采用一种BLOCK结构来表示不确定数据的相关性。每个BLOCK中所有元组的不确定属性之间具有相同的相关关系，支持相关关系的有效共享。BLOCK之间具有层次、嵌套与继承特性，使得不确定数据的相关性表示更灵活与高效；另外，在RTx-PDM模型上基本关系操作满足封闭性。　　 基于RTx-PDM模型，提出了一个实时概率数据库系统的查询处理框架，并且依据查询的资源占用率及其紧急程度，相应地采取合理的实时查询处理策略。根据查询的应用背景，给出了即刻概率计算以及延迟概率计算推理算法。最后，以实验结果验证了RTx-PDM模型对不确定数据及其相关性表示的可行性和操作处理的高效性。