技术特征：
1.一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。2.根据权利要求1所述的消防栓智能终端数据传输方法，其特征在于，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。3.根据权利要求2所述的消防栓智能终端数据传输方法，其特征在于，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。4.根据权利要求2或3所述的消防栓智能终端数据传输方法，其特征在于，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。5.根据权利要求4所述的消防栓智能终端数据传输方法，其特征在于，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。6.根据权利要求1所述的消防栓智能终端数据传输方法，其特征在于，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。7.一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：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。8.根据权利要求7所述的消防栓智能终端数据传输系统，其特征在于，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，即得到第m+1个t时间段内预测系数；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。9.根据权利要求8所述的消防栓智能终端数据传输系统，其特征在于，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。10.根据权利要求8或9所述的消防栓智能终端数据传输方法，其特征在于，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。