负责流域级AI环境预警系统的全生命周期管理，涵盖多源异构数据融合建模、动态阈值优化算法开发及预警响应机制落地，支撑省级生态环境厅跨区域污染事件预判与处置。

• 主导构建基于迁移学习的多模态预警模型，针对流域水文、水质、气象三类数据（溶解氧、氨氮、风速等12类指标）存在的时空异质性问题，采用XGBoost+LSTM混合架构，融合卫星遥感反演数据（分辨率0.5km²）与地面站实时监测数据，解决传统单模态模型在小样本区域（新纳入监测的3条支流）泛化不足问题，模型对突发污染（如化工泄漏）的提前72小时预警准确率从78%提升至92%。
• 牵头优化实时预警系统的技术架构，引入Flink流计算框架重构数据处理链路，将原本30分钟级的预警响应时效压缩至5分钟内；同步设计动态阈值调整策略，结合季节变化（丰水期/枯水期）、周边工业活动强度（通过企业用电数据关联）等20+维度特征，使误报率从15%降至4%，支撑省厅全年拦截有效污染事件17起，较上年减少直接经济损失超2000万元。
• 推动预警系统与应急指挥平台深度对接，主导制定API接口规范（RESTful+Protobuf），完成12个地市环保部门的数据权限配置与功能联调；针对基层人员操作习惯，开发轻量化预警看板（集成热力图、趋势预测曲线、处置建议库），经培训后一线人员对预警信息的响应效率提升60%，相关成果被纳入《省级智慧环保系统建设技术指南》。
• 攻克复杂场景下的污染溯源难题，基于图神经网络（GNN）构建污染传播路径模型，结合水流扩散模拟（SWMM模型）与排污口特征库（收录800+工业企业排污特征），实现污染源定位误差从3公里缩小至500米以内，在2024年Q4某地级市饮用水源地异常事件中，系统1小时内锁定3家涉事企业，协助执法部门快速处置。

聚焦工业企业废气排放预警场景，负责模型训练、数据治理及系统功能迭代，支撑园区级VOCs、PM2.5等污染物超标预警，服务省内12个工业园区环保监管。

• 搭建工业废气排放预测模型，针对园区内200+企业的CEMS（连续排放监测系统）数据（SO₂、NOx、烟温等参数），采用LightGBM处理时序缺失值（缺失率约12%），结合气象扩散条件（逆温层高度、混合层厚度）与生产工况（企业产能利用率）特征，实现未来24小时排放浓度预测，平均绝对误差控制在8%以内，为园区管委会制定错峰生产方案提供数据支撑。
• 优化预警规则引擎，梳理3类典型异常模式（设备故障、偷排漏排、不利气象扩散），通过决策树算法划分预警等级（蓝/黄/橙/红）；针对过往误报集中的“短时波动”场景，引入滑动窗口平滑算法（窗口大小动态调整为1h/3h/6h），使系统日均误报次数从45次降至12次，园区环保人员核查工作量减少50%。
• 推动模型轻量化部署，基于TensorRT对预测模型进行剪枝与量化（FP32转INT8），将推理耗时从1.2秒/次压缩至0.3秒/次，支持园区边缘计算节点（部署50台边缘服务器）本地化运行，网络延迟敏感场景下预警时效性提升70%，相关技术方案获园区年度技术创新奖。
• 参与编写《工业废气AI预警系统操作手册》，主导3场面向园区环保员与企业的培训（覆盖150+人次），设计“异常数据上报-模型反馈-迭代优化”闭环机制，全年收集有效反馈237条，推动模型对新型污染物（如VOCs组分中苯系物）的识别覆盖率从65%提升至88%。

负责环境监测数据的清洗、特征工程与初步建模，为AI环境预警系统提供数据底层支撑，重点服务大气环境质量预警模块开发。

• 构建大气环境数据质量评估体系，针对PM2.5、PM10、O₃等6类常规污染物监测数据（来自国控站、省控站及微型站），设计包含完整性（缺失率<5%）、一致性（站点间偏差<15%）、合理性（日变化趋势符合气象规律）的20+项指标，完成全省800+站点数据清洗，输出高质量数据集200GB+，为后续建模奠定基础。
• 开展污染物相关性分析，运用Pearson相关系数与随机森林特征重要性方法，识别对PM2.5浓度影响显著的前置变量（如前1小时NO₂浓度、当日湿度、周边工地扬尘指数），相关成果被纳入预警模型初始特征池，使模型对PM2.5日均浓度超标（>75μg/m³）的预测准确率从68%提升至81%。
• 参与开发数据可视化工具，基于Matplotlib与Plotly搭建环境数据看板，实现污染物浓度时空分布（小时级更新）、站点数据对比、异常值标注等功能；针对科研人员需求，增加统计检验（t检验、Mann-Kendall趋势检验）模块，支撑年度空气质量报告编制，报告撰写效率提升40%。
• 协助优化预警阈值设定，通过历史数据回溯（2015-2020年）与专家经验结合，采用分位数回归法确定各污染物不同季节的预警阈值（如冬季PM2.5橙色预警阈值从115μg/m³调整为105μg/m³），使系统预警与实际污染程度的匹配度从72%提升至85%，相关结论被写入《区域大气预警阈值优化研究报告》。

长三角某化工园区数字孪生智慧环保管控平台研发与应用

• 项目背景：长三角地区某大型化工园区面临三大痛点——污染物跨企业溯源耗时久（平均4小时/次）、应急响应与环境调控割裂、12家入驻企业的环保设施运行数据未打通。项目目标是通过数字孪生技术构建全要素感知、精准溯源、智能决策的一体化平台，助力园区实现“监测-预警-处置-优化”闭环管理。我作为负责人，主导需求调研、技术方案设计及跨企业/部门协同落地。
• 关键难题与技术应对：①多源异构数据融合障碍——企业DCS、在线监测、气象数据格式差异大且涉及商业隐私；②数字孪生模型精度与实时性平衡——化工工艺复杂（如乙烯裂解、VOCs合成），传统机理模型难以实时模拟；③业务场景深度联动缺失——溯源结果无法直接触发应急指令。针对数据问题，设计“边缘计算+联邦学习”架构：在企业端部署轻量级边缘网关预处理数据（过滤噪声、标准化格式），再通过联邦学习在不共享原始数据的前提下训练融合模型，解决数据孤岛与安全顾虑；模型层面，结合Aspen Plus化工机理模型与LSTM机器学习算法，构建高保真数字孪生体，实时模拟污染物扩散路径；业务联动方面，开发“溯源-预警-处置”闭环模块，对接园区应急指挥系统，实现溯源结果自动触发停产、封堵排污口等指令。
• 核心行动与创新：主导完成12家企业的设备接入与数据标准化，累计调试边缘网关23台；针对化工园区特有的“高温高压反应釜泄漏”场景，优化LSTM模型的特征工程，加入反应釜压力波动、周边风向变化等11个关键变量，将溯源准确率从初始的78%提升至95%；推动跨部门协作，协调园区管委会、企业环保负责人、应急管理局制定数据共享与指令执行流程，确保平台落地后的实操性。
• 项目成果与价值：平台上线后，园区污染物溯源时间缩短至15分钟内，应急响应效率提升70%；帮助企业优化环保设施运行（如调整RTO焚烧炉启停时间），综合能耗下降12%，每年减少不必要运维成本约800万元；项目成为长三角化工园区智慧环保标杆案例，直接带动公司获取3个同类园区项目商机（合计合同额超1500万元）。我的贡献在于主导技术方案设计与关键技术突破，解决了数据融合、模型精度及业务联动三大核心问题，推动项目从“技术验证”到“规模化落地”。

某地级市大气污染网格化精准管控系统升级项目

• 项目背景：该地级市原有大气监测系统依赖10个国控站点，存在“覆盖盲区大、溯源精度低”问题，无法支撑精细化管控。项目目标是将系统升级为“10个国控站+100个微型站”的网格化体系，实现小时级污染溯源与精准执法。我负责系统架构优化、算法升级及落地实施，从“技术执行”向“方案设计”转型。
• 关键难题与技术突破：①微型站数据噪声大——受城市交通、气象波动影响，数据误报率高达25%；②动态污染源清单缺失——区域内工地、餐饮油烟等面源排放变化快，原有静态模型无法适配；③系统集成困难——需对接环保局执法平台、气象局数据接口，存在协议不兼容问题。针对数据噪声，采用小波变换去除高频噪声，结合CNN卷积神经网络识别异常数据，将数据准确率提升至92%；构建“动态污染源清单模型”，整合企业生产日志、交通流量、餐饮门店营业时间等数据，每小时更新一次排放系数；用RESTful API与Kafka消息队列实现系统集成，数据同步延迟控制在1分钟以内。
• 核心行动与决策：带领3人小组完成100个微型站的选址与设备调试，针对城中村等敏感区域加密布点；针对“工地扬尘夜间超标”场景，优化溯源算法，加入PM10/PM2.5比值、周边施工机械声纹特征（联动环保局噪声监测数据），将工地扬尘溯源准确率从65%提升至88%；主动对接环保局执法人员，根据一线需求调整平台界面，增加“热点区域热力图”“执法路径推荐”功能，提升实操性。
• 项目成果与价值：系统上线后，区域PM2.5年均浓度下降18%，精准执法次数增加50%，当年空气质量达标天数较上年多25天；项目推动公司获得“市级智慧环保优秀案例”称号，我个人也因算法优化贡献获得公司年度技术创新奖。此项目让我积累了“从数据采集到业务落地”的全流程经验，为后续主导大型园区项目奠定了基础。

• 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。