技术领域本发明属于信息与通信技术、自动控制领域，具体涉及通过采用数据压缩以及建模预测等方法实现降低整个网络通信负载，从而实现降低运营成本，提高系统负载能力的方法。
背景技术：
市政消防栓是城市消防系统的重要组成部分，肩负着迅速为消防水枪和消防车提供水源满足火场供水的重要使命，通过采用基于北斗导航位置服务平台的智能监测系统能够实现对整个管辖区域内的多个消防水井的智能监测和管控，大大提高了应急处理能力和水平，保障了火灾等各种异常事件下的救助效率。但由于消防井内现有基础设施缺乏，难以满足以太网的传输条件，因此必须通过移动通信网络才能进行监测终端的数据上传。目前移动通信网络采用按照流量收费的方式，如何降低通信网络数据流量对降低运营成本，提高整个北斗位置服务平台的负载水平具有重要的现实意义。
技术实现要素：
本发明实施例中提供了一种消防栓智能终端数据传输方法及系统，能够明显降低通信流量，大大降低系统运营成本，同时显著提高整个平台的通信负载能力。为了解决上述技术问题，本发明实施例公开了如下技术方案：第一方面，提供一种消防栓智能终端数据传输方法，该方法用于传输消防栓智能监测终端采集的与消防拴相关的数据，所述方法包含：步骤101)采用离散余弦变换DCT算法对一段时间内的采集数据进行压缩变换，并保留变换得到的低频的若干个系数，即：对于时间段t内采集的信号数据，采用DCT变换方法进行处理，保留DCT变换处理后得到的低频的若干个系数；其中，所述采集数据包含：消防井内的水压、井盖倾角或井内环境光亮度；步骤102)对压缩后的数据采用最小二乘支持向量机LS-SVM进行建模，并对建模后的结果用于下一个系数的预测，进而得到系数预测误差；步骤103)将系数预测误差通过通信网络进行数据传输。结合上述第一方面，在第一种可能的实现方式中，所述步骤102)进一步包含：步骤102-1)对于m个t时间段内的DCT变换后系数采用最小二乘支持向量机LSSVM方法进行建模，并将建模结果用于对下一个t时间段内DCT变换系数的预测，进而得到第m+1个t时间段的预测系数，其中所述下一个t时间段即第m+1个t时间段；步骤102-2)对于第m+1个t时间段内的数据，采用DCT变换后得到第m+1个t时间段的变换系数，再计算所述预测系数和变换系数的差值进而获得系数预测误差。结合上述第一方面和第一种可能的实现方式，在第二种可能的实现方式中，所述步骤101)进一步包括：步骤101-1)假设时间段t内采集的数据点数为：x(0),x(1),…,x(N-1)，采用离散余弦变换结果为：F(u)=C(u)2NΣn=0N-1x(n)cos(2n+1)uπ2N]]>上式中：u＝0,1,2,…,N-1；C(u)=12u=01u=1,2,...,N-1]]>步骤101-2)保留前k个变换后的低频系数，其他系数都置为0，从而实现对原始数据的压缩，其中，k＜＜N。结合上述第一方面，和/或第一种实现方式，和/或第二种实现方式，在第三种可能的实现方式中，所述步骤102-2)进一步包含：步骤102-2-1)对于m个t时间段内的数据压缩结果进行处理，将数据记为：D=F(1,1)F(1,1)...F(1,k)F(2,1)F(2,2)...F(2,k)............F(m,1)F(m,2)...F(m,k)]]>上式中行号表示时间段的序号，列号表示该时间段内的DCT系数序号；步骤102-2-2)矩阵D中每一列可视为一个单独的时间序列，采用最小二乘支持向量机LSSVM对该序列进行建模，以连续的l个数据作为输入特征矢量，第l+1个数据作为输出特征值，即：xi＝[F(l-1,j)F(l-2,j)…F(l,j)]yi＝F(l+1,j)，i＝1,2,…,m-l于是：输入特征集：X＝[x1,x2,…,xm-l]为第i个输入特征矢量；输出目标集：f＝[y1,y2,…,ym-l]，f为输入特征矢量对应的输出矢量；步骤102-2-2-1)求解如下方程式：01...11K11+1c...K1l............1Kl1...Kllba1...al=0y1...yl]]>其中，b,a1,a2,…,al为训练求取的参数，Kij为径向基函数核函数，其形式为：Kij=K(xi,xj)=exp(-||xi-xj||22γ2)]]>其中，γ为高斯核函数宽度参数；步骤102-2-2-2)建立最小二乘支持向量机LSSVM函数为：y^(x)=Σm=1NaiK(xi,x)+b]]>其中，x为给定的待预测样本输入特征矢量，为识别函数的输出的预测系数值。结合上述第一方面，和/或第三种实现方式，在可能的第四种实现方式中，所述步骤102-3)进一步包括：步骤102-3-1)假设下一时间段为τ，于是输出预测误差为：Δτ=yτ-(Σm=1NaiK(xi,xτ)+b)]]>其中，yτ表示根据待预测数据进行DCT变化后得到的第m+1个t时间段的变换系数，Δτ为预测误差。结合上述第一方面，所述步骤103)之后还包含：通过反向解码发送的系数预测误差进而获得第“m+1”个t时间段内原始采集的信号数据。第二方面，本发明实施例还提供了一种消防栓智能终端数据传输系统，该系统用于传输消防栓智能监测终端采集的与消防拴相关的数据，所述系统包含：压缩模块，用于采用离散余弦变换DCT算法对一段时间内的采集数据进行压缩变换，并保留变换得到的低频的若干个系数，即：用于对于时间段t内采集的信号数据，采用DCT变换方法进行处理，保留低频的若干个系数；其中，所述采集数据包含：消防井内的水压、井盖倾角或井内环境光亮度；拟合预测模块，用于对压缩后的数据采用最小二乘支持向量机LS-SVM进行建模，并对建模后的结果用于下一个时间段系数的预测，进而得到系数预测误差；发送模块，用于将系数预测误差通过通信网络进行数据传输。结合上述第二方面，在第一种可能的实现方式中，所述拟合预测模块进一步包含：第一处理子模块，用于对于m个t时间段内的DCT变换后系数采用最小二乘支持向量机LSSVM方法进行建模，并将建模结果用于对下一个t时间段内DCT变换系数的预测，所述下一个t时间段即第m+1个t时间段；第二处理子模块，用于对于第m+1个t时间段内的数据，采用DCT变换后，得到变换系数，再根据变换系数和第二处理子模块得到的预测系数获得预测误差。结合上述第二方面，和/或第一种可能的实现方式，在第二种可能的实现方式中，所述压缩模块进一步包括：变换子模块，用于假设时间段t内采集的数据点数为：x(0),x(1),…,x(N-1)，采用离散余弦变换结果为：F(u)=C(u)2NΣn=0N-1x(n)cos(2n+1)uπ2N]]>上式中：u＝0,1,2,…,N-1；C(u)=12u=01u=1,2,...,N-1]]>筛选子模块，用于保留前k个变换后的低频系数，其他系数都置为0，从而实现对原始数据的压缩，其中，k＜＜N。结合上述第二方面，和/或第一种实现方式，和/或第二种实现方式，在第三种可能的实现方式中，所述第一处理子模块进一步包含：多时间段数据压缩子模块，用于对于m个t时间段内的数据压缩结果进行处理，将数据记为：D=F(1,1)F(1,1)...F(1,k)F(2,1)F(2,2)...F(2,k)............F(m,1)F(m,2)...F(m,k)]]>上式中行号表示时间段的序号，列号表示该时间段内的DCT系数序号；建模及输入输出特征矢量获取子模块，用于将矩阵D中每一列可视为一个单独的时间序列，采用最小二乘支持向量机LSSVM对该序列进行建模，以连续的l个数据作为输入特征矢量，第l+1个数据作为输出特征值，即：xi＝[F(l-1,j)F(l-2,j)…F(l,j)]yi＝F(l+1,j)，i＝1,2,…,m-l于是：输入特征集：X＝[x1,x2,…,xm-l]为第i个输入特征矢量；输出目标集：f＝[y1,y2,…,ym-l]，f为输入特征矢量对应的输出矢量；还用于求解如下方程式：01...11K11+1c...K1l............1Kl1...Kllba1...al=0y1...yl]]>其中，b,a1,a2,…,al为训练求取的参数，Kij为径向基函数核函数，其形式为：Kij=K(xi,xj)=exp(-||xi-xj||22γ2)]]>其中，γ为高斯核函数宽度参数；还用于建立LSSVM函数为：y^(x)=Σm=1NaiK(xi,x)+b]]>其中，x为给定的待预测样本输入特征矢量；为识别函数的输出值。与现有技术相比，本发明的优点在于：本发明主要通过利用DCT变换后能量集中在低频的特点，对原始数据进行压缩处理，压缩过程也滤除了高频噪声；然后对低频DCT系数进行LSSVM建模，通过发送系数预测值和实际值之间的差分信息，从而进一步降低了通信流量，本发明提出的方法可以大大降低系统运营成本，同时显著提高整个平台的通信负载能力。附图说明图1是本发明实施例提供的消防栓智能终端数据传输方法的流程图。具体实施方式下面结合附图对本发明做进一步的说明。本发明实施例公开了如下技术方案：实施例1第一方面，提供一种消防栓智能终端数据传输方法，该方法用于传输消防栓智能监测终端采集的与消防拴相关的数据，所述方法包含：步骤101)采用离散余弦变换DCT算法对一段时间内的采集数据进行压缩变换，并保留变换得到的低频的若干个系数，具体为：对于时间段t内采集的信号数据，采用DCT变换方法进行处理，保留DCT变换处理后得到的低频的若干个系数；其中，所述采集数据包含：消防井内的水压、井盖倾角或井内环境光亮度；步骤102)对压缩后的数据采用最小二乘支持向量机LS-SVM进行建模，并对建模后的结果用于下一个时间段系数的预测，进而得到系数预测误差；步骤103)将系数预测误差通过通信网络进行数据传输。结合上述第一方面，在第一种可能的实现方式中，所述步骤102)进一步包含：步骤102-1)对于m个t时间段内的DCT变换后系数采用最小二乘支持向量机LSSVM方法进行建模，并将建模结果用于对下一个t时间段内DCT变换系数的预测，进而得到第m+1个t时间段的预测系数，其中所述下一个t时间段即第m+1个t时间段；步骤102-2)对于第m+1个t时间段内的数据，采用DCT变换后得到第m+1个t时间段的变换系数，再计算所述预测系数和变换系数的差值进而获得系数预测误差。结合上述第一方面和第一种可能的实现方式，在第二种可能的实现方式中，所述步骤101)进一步包括：步骤101-1)假设时间段t内采集的数据点数为：x(0),x(1),…,x(N-1)，采用离散余弦变换结果为：F(u)=C(u)2NΣn=0N-1x(n)cos(2n+1)uπ2N]]>上式中：u＝0,1,2,…,N-1；C(u)=12u=01u=1,2,...,N-1]]>步骤101-2)保留前k个变换后的低频系数，其他系数都置为0，从而实现对原始数据的压缩，其中，k＜＜N。结合上述第一方面，和/或第一种实现方式，和/或第二种实现方式，在第三种可能的实现方式中，所述步骤102-2)进一步包含：步骤102-2-1)对于m个t时间段内的数据压缩结果进行处理，将数据记为：D=F(1,1)F(1,1)...F(1,k)F(2,1)F(2,2)...F(2,k)............F(m,1)F(m,2)...F(m,k)]]>上式中行号表示时间段的序号，列号表示该时间段内的DCT系数序号；步骤102-2-2)矩阵D中每一列可视为一个单独的时间序列，采用最小二乘支持向量机LSSVM对该序列进行建模，以连续的l个数据作为输入特征矢量，第l+1个数据作为输出特征值，即：xi＝[F(l-1,j)F(l-2,j)…F(l,j)]yi＝F(l+1,j)，i＝1,2,…,m-l于是：输入特征集：X＝[x1,x2,…,xm-l]为第i个输入特征矢量；输出目标集：f＝[y1,y2,…,ym-l]，f为输入特征矢量对应的输出矢量；步骤102-2-2-1)求解如下方程式：01...11K11+1c...K1l............1Kl1...Kllba1...al=0y1...yl]]>其中，b,a1,a2,…,al为训练求取的参数，Kij为径向基函数核函数，其形式为：Kij=K(xi,xj)=exp(-||xi-xj||22γ2)]]>其中，γ为高斯核函数宽度参数；步骤102-2-2-2)建立最小二乘支持向量机LSSVM函数为：y^(x)=Σm=1NaiK(xi,x)+b]]>其中，x为给定的待预测样本输入特征矢量，为识别函数的输出的预测系数值。结合上述第一方面，和/或第三种实现方式，在可能的第四种实现方式中，所述步骤102-3)进一步包括：步骤102-3-1)假设下一时间段为τ，于是输出预测误差为：Δτ=yτ-(Σm=1NaiK(xi,xτ)+b)]]>其中，yτ表示根据待预测数据进行DCT变化后得到的第m+1个t时间段的变换系数，Δτ为预测误差。结合上述第一方面，所述步骤103)之后还包含：通过反向解码发送的系数预测误差进而获得第“m+1”个t时间段内原始采集的信号数据。第二方面，本发明实施例还提供了一种消防栓智能终端数据传输系统，该系统用于传输消防栓智能监测终端采集的与消防拴相关的数据，所述系统包含：压缩模块，用于采用离散余弦变换DCT算法对一段时间内的采集数据进行压缩变换，并保留变换得到的低频的若干个系数，具体为：用于对于时间段t内采集的信号数据，采用DCT变换方法进行处理，保留低频的若干个系数；其中，所述采集数据包含：消防井内的水压、井盖倾角或井内环境光亮度；拟合预测模块，用于对压缩后的数据采用最小二乘支持向量机LS-SVM进行建模，并对建模后的结果用于下一个时间段系数的预测，进而得到系数预测误差；发送模块，用于将系数预测误差通过通信网络进行数据传输。结合上述第二方面，在第一种可能的实现方式中，所述拟合预测模块进一步包含：第一处理子模块，用于对于m个t时间段内的DCT变换后系数采用最小二乘支持向量机LSSVM方法进行建模，并将建模结果用于对下一个t时间段内DCT变换系数的预测，所述下一个t时间段即第m+1个t时间段；第二处理子模块，用于对于第m+1个t时间段内的数据，采用DCT变换后，得到变换系数，再根据变换系数和第二处理子模块得到的预测系数获得预测误差。结合上述第二方面，和/或第一种可能的实现方式，在第二种可能的实现方式中，所述压缩模块进一步包括：变换子模块，用于假设时间段t内采集的数据点数为：x(0),x(1),…,x(N-1)，采用离散余弦变换结果为：F(u)=C(u)2NΣn=0N-1x(n)cos(2n+1)uπ2N]]>上式中：u＝0,1,2,…,N-1；C(u)=12u=01u=1,2,...,N-1]]>筛选子模块，用于保留前k个变换后的低频系数，其他系数都置为0，从而实现对原始数据的压缩，其中，k＜＜N。结合上述第二方面，和/或第一种实现方式，和/或第二种实现方式，在第三种可能的实现方式中，所述第一处理子模块进一步包含：多时间段数据压缩子模块，用于对于m个t时间段内的数据压缩结果进行处理，将数据记为：D=F(1,1)F(1,1)...F(1,k)F(2,1)F(2,2)...F(2,k)............F(m,1)F(m,2)...F(m,k)]]>上式中行号表示时间段的序号，列号表示该时间段内的DCT系数序号；建模及输入输出特征矢量获取子模块，用于将矩阵D中每一列可视为一个单独的时间序列，采用最小二乘支持向量机LSSVM对该序列进行建模，以连续的l个数据作为输入特征矢量，第l+1个数据作为输出特征值，即：xi＝[F(l-1,j)F(l-2,j)…F(l,j)]yi＝F(l+1,j)，i＝1,2,…,m-l于是：输入特征集：X＝[x1,x2,…,xm-l]为第i个输入特征矢量；输出目标集：f＝[y1,y2,…,ym-l]，f为输入特征矢量对应的输出矢量；还用于求解如下方程式：01...11K11+1c...K1l............1Kl1...Kllba1...al=0y1...yl]]>其中，b,a1,a2,…,al为训练求取的参数，Kij为径向基函数核函数，其形式为：Kij=K(xi,xj)=exp(-||xi-xj||22γ2)]]>其中，γ为高斯核函数宽度参数；还用于建立LSSVM函数为：y^(x)=Σm=1NaiK(xi,x)+b]]>其中，x为给定的待预测样本输入特征矢量；为识别函数的输出值。实施例2本发明主要提出了消防栓安全状态智能监测系统如何降低通信流量、提高系统负载能力的方法，整个消防栓智能监测系统包括：北斗消防栓监测终端、通信传输终端、北斗导航位置服务平台、报警显示终端几大模块。本发明提出的消防栓智能终端数据传输方法如图1所示，具体包含：步骤1)北斗消防栓智能监测终端动态采集各传感器的测量信息，这些测量信息包括消防井内水压、井盖倾角、井内环境光亮度等，所有测量信息被通过时间同步后分别进行压缩；步骤2)对于时间段t内采集的信号数据，采用DCT变换方法进行处理，由于经过DCT变换后能量主要集中在低频领域，因此只需保留低频的k个系数；步骤2-1)假设时间段t内采集的数据点数为x(0),x(1),…,x(N-1)，采用离散余弦变换结果为：F(u)=C(u)2NΣn=0N-1x(n)cos(2n+1)uπ2N]]>上式中：u＝0,1,2,…,N-1C(u)=12u=01u=1,2,...,N-1]]>步骤2-2)保留前k个变换后的低频系数，其他系数都置为0，从而实现对原始数据的压缩，k＜＜N；步骤3)对于m个t时间段内的DCT变换后系数采用LSSVM方法进行建模，并将建模结果用于对下一个t时间段内DCT变换系数的预测；上述技术方案中，所述步骤3)进一步包括：步骤3-1)对于m个t时间段内的数据压缩结果进行处理，为便于后续表达，将数据记为：D=F(1,1)F(1,1)...F(1,k)F(2,1)F(2,2)...F(2,k)............F(m,1)F(m,2)...F(m,k)]]>上式中行号表示时间段的序号，列号表示该时间段内的DCT系数序号；步骤3-2)矩阵D中每一列可视为一个单独的时间序列，采用LSSVM对该序列进行建模，以连续的l个数据作为输入特征矢量，第l+1个数据作为输出特征值，即：xi＝[F(l-1,j)F(l-2,j)…F(l,j)]yi＝F(l+1,j)，i＝1,2,…,m-l于是：输入特征集：X＝[x1,x2,…,xm-l]为第i个输入特征矢量；输出目标集：f＝[y1,y2,…,ym-l]；为输入特征矢量对应的输出矢量；步骤3-2-1)求解如下方程式：01...11K11+1c...K1l............1Kl1...Kllba1...al=0y1...yl]]>其中，b,a1,a2,…,al为训练求取的参数，Kij为径向基函数核函数，其形式为：Kij=K(xi,xj)=exp(-||xi-xj||22γ2)]]>其中，γ为高斯核函数宽度参数；步骤3-2-2)、建立LSSVM函数为：y^(x)=Σm=1NaiK(xi,x)+b]]>x为给定的待预测样本输入特征矢量；为识别函数的输出值；步骤4)对于第m+1个t时间段内的数据，采用DCT变换后，即可得到系数预测误差，此误差体现了新采集的数据的信息，将此数据通过通信网络进行发送，在平台端通过反向解码即可获得原始采集的信号数据；步骤4-1)、采用步骤2-1可获得DCT压缩后的系数；假设时间记为τ，于是输出预测误差为：Δτ=yτ-(Σm=1NaiK(xi,xτ)+b)]]>此时只需要将Δτ通过通信网络发送至位置服务平台即可，位置服务平台采用上过程的反过程，即可得到原始采集的数据信息。最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。