数据采集综合实践_第八组_严涛

项目名称：福育未来

小组名称：来财

项目背景：

全球正经历深刻的人口结构转型，核心特征为生育率普遍下降与"人口红利"窗口收窄。发达国家面临老龄化与劳动力萎缩的挑战，而许多发展中国家，包括传统高生育率地区，生育率也出现显著下降趋势。

聚焦福建省福州市，其人口变化呈现总体下降且区域差异显著的特点。2016至2023年间，全市出生人口从10.3万降至9.1万，但不同区县降幅悬殊。例如，核心城区鼓楼区降幅约为30%，而县级市福清市降幅高达42%。这种巨大差异表明，驱动生育行为的社会经济文化因素（如房价、教育压力、职业发展、侨乡经济、文化传统等）具有强烈的空间异质性。

项目目标：开发一套新系统，能够在县级粒度上实现高精度人口预测，并能科学融合多源数据、量化分析各类政策及区域性因素对生育决策的复杂影响。

技术路线：前端：React + React Router + ECharts 后端：Flask + MySQL + Redis 算法：本地 Qwen2.5-7B + LoRA + 4-bit 量化。系统部署在本机。

团队成员学号：

102302124严涛，102302126李坤铭，102302138林楚涵，102302136林伟杰，102302116田自豪，102302114比山布·努尔兰

项目目标：

1. 出生人口预测 以 2015-2023 年福州市 13 区县为样本，构建"出生+政策+GDP"多变量 LSTM 模型； 县级出生人口预测 MAPE ≤ 7%，单县预测响应 < 200 ms。
2. 政策强度量化 以 2015-2023 年政策文本为语料，关键词权重法量化政策强度（0-1）； 政策-出生人口相关系数 ≥ 0.80，可解释、无 API 依赖。
3. 经济-人口双向分析 人口 → GDP：每增加 1 万人，GDP 增加 1.83 亿元（线性回归）； GDP → 出生：GDP 增速每 +1%，下年出生增加 1715 人（滞后 1-3 年）。
4. 动态阈值警报 近 5 年出生均值 × 0.8，每年自动刷新； 警报响应 < 200 ms，公网可点。

其他参考文献

1. 福州市统计局. (2015-2023). 福州统计年鉴[EB/OL]. https://tjj.fuzhou.gov.cn
   福建省统计局. (2015-2023). 福建省国民经济和社会发展统计公报[EB/OL]. https://tjj.fujian.gov.cn
2. 福州市卫生健康委员会. (2015-2023). 福州市卫生健康统计公报[EB/OL]. https://wjw.fuzhou.gov.cn

码云链接
https://gitee.com/yan-tao2380465352/2025_crawl_project/tree/数据采集综合实践/

1..系统功能

2..算法实验日志
2.1时间序列：LSTM vs SARIMA vs Prophet

结论：LSTM 胜出，县级粒度可行
LSTM 核心代码：

点击查看代码

import pandas as pd
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, Dropout
from sklearn.preprocessing import MinMaxScaler

# 1. 读取数据（出生+政策+GDP）
df = pd.read_csv('fz_merged.csv')   # 出生/政策/GDP
data = df[['birth', 'policy', 'GDP']].values

# 2. 归一化
scaler = MinMaxScaler()
data = scaler.fit_transform(data)

# 3. 构造监督学习
def make_supervised(data, seq_len=4):
    X, y = [], []
    for i in range(seq_len, len(data)):
        X.append(data[i-seq_len:i])
        y.append(data[i, 0])   # 预测出生
    return np.array(X), np.array(y)

X, y = make_supervised(data, 4)

# 4. 构建 LSTM
model = Sequential([
    LSTM(32, return_sequences=True, input_shape=(4, 3)),
    Dropout(0.2),
    LSTM(16),
    Dense(8, activation='relu'),
    Dense(1)
])
model.compile(optimizer='adam', loss='mse')

# 5. 训练（本地 CPU 5 min）
model.fit(X, y, epochs=500, batch_size=16, verbose=1)

# 6. 保存
model.save('models/fz_lstm.h5')

2.2政策量化：关键词 vs 大模型

结论：关键词权重法胜出
关键词权重法代码：

点击查看代码

import re

KEYS = {
    "三孩": 0.30,
    "育儿补贴|生育补助|一次性生育奖励": 0.25,
    "产假延长|增加产假": 0.20,
    "购房优惠|落户|契税减免": 0.15,
    "托育|幼儿园减免|教育优惠": 0.10
}

def score_text(text: str) -> float:
    text = text.lower()
    score = 0.
    for k, w in KEYS.items():
        if re.search(k, text):
            score += w
    return min(score, 1.0)

# 批量打分
for file in os.listdir('data/raw'):
    if file.endswith('.txt'):
        year = int(file[:4])
        with open(f'data/raw/{file}', encoding='utf-8') as f:
            txt = f.read()
        score = score_text(txt)
        print(f"{year}: {score}")

2.3经济-人口双向模型 皮尔逊相关：0.997（强到离谱） 线性回归：每增加 1 万人，GDP 增加 1.83 亿元 滞后效应：人口滞后 1-3 年显著 反向因果：GDP 增速每 +1%，下年出生增加 1715 人 结论：人口↔GDP 双向因果成立

2.4动态阈值：近 5 年均值 × 0.8

点击查看代码

BIRTH_ALERT_THRESHOLD = int(city.iloc[-5:].mean() * 0.8)

3.结语 从“为什么出生人口在降”到“原来政策可以量化”，这段旅程让我第一次体会到：技术不是冰冷的代码，而是可以照亮生活的光。 结课不是终点，而是“技术落地”的起点。 愿我们都能用代码，点亮自己的那片天空。