负责区域工业企业VOCs排放、流域水质及大气环境的多源数据整合、建模分析与可视化落地，支撑环保监管部门精准溯源与企业治污方案优化，推动数据驱动的环保决策闭环。

• 整合环保部门国控监测站数据、120家工业企业在线监控数据、气象部门分钟级气象数据（覆盖风速、湿度、气压等8项指标），采用Spark Structured Streaming+Flink批处理构建实时+离线数据管道，针对数据格式杂（CSV/JSON/XML混合）、数值缺失率高（约23%）的问题，开发正则表达式+字典映射清洗规则，结合随机森林模型填补数值型缺失值、众数填充分类变量，将数据可用率从75%提升至92%，直接支撑后续模型训练的稳定性。
• 基于整合后的数据，聚焦VOCs排放预测场景，先以XGBoost做特征重要性筛选（识别出企业生产负荷、废气处理设施运行时间、风速为核心特征），再用LSTM结合注意力机制优化时序预测，构建“未来72小时VOCs浓度预测模型”，准确率达89%（较原有ARIMA模型提升18%），帮助监管部门提前锁定高风险企业并启动巡查，试点区域重污染天气VOCs贡献率下降25%。
• 主导开发“智慧环保可视化平台”（基于Superset+自研API接口），落地“VOCs排放热点地图”“企业排放趋势dashboard”“预警信息实时推送”三大核心模块：热点地图通过热力值展示区域排放浓度分布，支持按行业/时间维度钻取；dashboard联动企业工况数据与排放数据，直观呈现“生产-排放”关联；预警模块实现超标信息1分钟内推送至监管人员手机。上线后，监管部门查询单企业历史排放数据时间从1小时缩短至10分钟，应急响应效率提升70%。
• 针对某化工园区VOCs反复超标问题，采用贝叶斯网络构建污染物传播路径模型，融合监测站数据与CALPUFF气象扩散模型，定位到园区内3家印刷企业的溶剂挥发（占超标贡献的62%）；进一步协同企业开展物料替代（更换低挥发性丙烯酸树脂），并提供整改效果追踪模型，3个月后园区VOCs浓度均值下降30%，超标次数从每月5次降至1次以内。

聚焦工业废水排放数据的统计挖掘与工艺关联分析，支撑制造企业废水处理效率提升、合规性管控及成本优化，推动数据赋能企业绿色生产。

• 整合30家制造企业（涵盖印染、化工、食品行业）的废水在线监测数据（COD、氨氮、总磷等6项指标）、工艺参数（曝气时长、回流比、污泥浓度）及药剂投加数据，用Python Pandas+NumPy开发自动化清洗脚本，解决不同企业参数标准不一致（如“回流比”存在百分比/倍数两种表述）问题，建立统一元数据管理框架，数据一致性从80%提升至95%，为后续关联分析奠定基础。
• 采用Apriori算法挖掘工艺参数与COD去除率的强关联规则，识别出“曝气时长>8小时 且回流比>200% → COD去除率>90%”“污泥浓度2500-3000mg/L → 氨氮去除率提升15%”等3条核心规则；推动某印染企业调整工艺，将曝气时长从6小时延长至8.5小时、回流比从180%提升至220%，COD去除率从78%升至90%，年减少污泥产生量120吨，废水处理成本降低30万元。
• 构建废水超标风险预警模型，以逻辑回归融合实时监测数据（COD、氨氮、流量）与企业工艺数据（生产负荷、药剂投加量），模型预警准确率达87%；企业部署后，可根据预警信息提前2小时调整处理流程（如增加聚合氯化铝投加量），超标排放次数从每月3次降至0.5次以内，全年避免环保处罚约20万元。
• 输出《企业废水排放与处理效率分析报告》，用Origin制作“各车间废水排放占比饼图”“处理成本月度趋势折线图”“COD去除率与工艺参数散点图”，支撑企业管理层识别高排放车间（如染色车间占总排放的45%），推动其引入膜生物反应器（MBR）工艺，企业年度废水排放量下降15%，达到地方排放标准提标要求。

负责区域内大气环境质量数据的录入、整理与基础分析，支撑环境质量报告编制与初步趋势判断，为后续深度分析积累基础数据资产。

• 每日整理10个国控大气监测站点的PM2.5、SO2、NO2等6项指标数据，用Python脚本自动化完成“数据下载-格式转换-异常值剔除-数据库导入”全流程，替代原有手工操作，数据处理量从每日500条提升至2000条，错误率从5%降至1%，节省约60%人工时间。
• 开展大气污染物基础关联分析，用SPSS计算PM2.5与SO2、NO2的相关性（分别达0.78、0.65），并结合季节特征发现“冬季PM2.5与燃煤电厂发电量相关性达0.82”，为后续源解析分析提供初步线索；相关结论被纳入《区域冬季大气环境质量分析简报》。
• 支撑编制《年度区域环境质量年报》，用Origin制作“PM2.5月度趋势图”“污染物浓度同比变化柱状图”“源解析贡献饼图”，报告内容被市环保局采纳，用于制定年度大气污染防治重点任务（如冬季燃煤管控）。
• 参与搭建企业级环境数据管理系统（基于Access），设计“监测站点表”“数据记录表”“用户权限表”3张核心表，实现数据分类存储与权限分级管理（如监管人员仅能查询管辖区域数据），数据查询效率从“手动翻找文件”提升至“关键词秒级检索”，系统上线后支撑15名环保工作人员日常数据调用。

长三角某国家级化工园区全生命周期智慧环保管控平台研发与产业化应用

• 项目背景：长三角某国家级化工园区承载12家精细化工企业，传统环保监管存在“数据碎片化（企业DCS、在线监测、环保局系统互不相通）、风险预警滞后（依赖人工巡检，重污染事件响应慢）、溯源能力弱（无法定位VOCs无组织排放源头）”三大痛点。项目目标是通过“端-边-云-用”一体化设计，构建覆盖“监测感知-风险预警-溯源管控-绩效评估”的全生命周期智慧环保平台，助力园区实现“精准治污、科学治污”。我在项目中担任总牵头人，负责需求调研、方案设计、跨方协调及落地推广。
• 关键难题：一是多源异构数据融合——企业端有17种工业协议（Modbus、OPC UA、Profibus等），环保局侧是SQL Server数据库，数据格式、频率、精度差异大，整合率不足40%；二是复杂场景下污染溯源精度低——传统统计模型仅能识别“是否超标”，无法定位“谁排放、怎么排”，历史溯源准确率仅65%。
• 核心行动：1. 针对数据融合，主导制定《园区环保数据接入技术规范》，开发低代码协议适配器，通过边缘计算网关实现“协议转换+噪声过滤”，将多源数据统一映射到园区环保元数据模型；2. 针对溯源问题，结合园区产业特征（以苯系物、酯类VOCs为主），创新性将“企业工艺参数（如反应釜温度、物料投加量）”作为图神经网络（GNN）的节点属性，融合气象扩散模型（AERMOD）与实时监测数据，构建“工艺-环境-排放”关联模型，提升溯源的因果解释性。
• 项目成果：平台上线后，数据融合率提升至95%，污染溯源准确率达92%（可精准定位到具体企业的生产环节）；帮助园区减少人工巡检成本35%（从每月120人次降至78人次），提前预警重污染事件12起，避免约800万元停产损失；项目入选“2024年省级智慧化工园区示范项目”，带动公司获得3个同类园区的订单（合同总额超1500万元）。我个人因技术创新贡献，获评公司年度“杰出解决方案专家”。

某地级市大气污染精准管控平台迭代升级项目

• 项目背景：该地级市原有大气监管平台依赖12个国控站点数据，覆盖范围有限（仅占城区面积30%），无法识别“小散乱污”企业排放、机动车尾气热点等细颗粒问题，导致管控措施“大水漫灌”。项目目标是将平台升级为“立体监测+智能分析+闭环管控”系统，实现污染事件“小时级定位、分钟级响应”。我负责系统架构重构、核心算法优化及跨部门数据打通。
• 关键难题：一是微型站数据噪声大——全市部署的80个微型站受电磁干扰、温湿度变化影响，数据漂移率达25%；二是跨部门数据共享壁垒——环保、交通、城管的监测数据（如机动车流量、工地扬尘）存储在不同系统，格式不兼容，无法联动分析。
• 核心行动：1. 针对数据噪声，采用“LSTM神经网络+卡尔曼滤波”组合算法，对微型站数据进行实时降噪，将数据准确率从75%提升至93%；2. 针对数据共享，牵头推动建立“市级环保数据共享交换平台”，制定《跨部门环保数据脱敏与安全规范》，打通了交通部门的机动车GPS数据、城管的工地扬尘监测数据，实现“监测数据-污染特征-管控措施”的关联分析。
• 项目成果：平台升级后，污染热点定位精度从5公里缩小至1公里，响应时间从24小时缩短至2小时；助力该市2022年PM2.5年均浓度较2021年下降11%（从42μg/m³降至37μg/m³），臭氧超标天数减少18天（从35天降至17天）。项目获“2023年省级环保科技进步三等奖”，我主导的“多源数据融合的大气精准管控技术”被纳入《市级环保实用技术指南》，成为区域智慧环保建设的标杆案例。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。