负责工业集聚区多维度环境风险AI预警系统的全周期研发，涵盖需求拆解、多源数据融合建模、系统集成及落地验证，支撑生态环境监管部门对VOCs超标、恶臭扩散等事件的提前72小时精准预警。

• 主导某国家级化工园区AI环境预警平台升级项目，针对园区内32家涉气企业的17类监测设备（CEMS、PID、气象站等）产生的时序数据，设计基于XGBoost与LSTM混合架构的多源异构数据融合模型，解决传统单模型对复杂气象条件（如静稳天气）下污染物扩散预测偏差大的问题；通过引入注意力机制捕捉时间序列中长程依赖关系，将VOCs浓度异常预警准确率从82%提升至91%，误报率下降40%，支撑园区全年拦截3起潜在群体性污染事件。
• 牵头构建园区级环境风险知识图谱，整合企业工艺参数（如反应釜温度、物料投加量）、地理信息（厂界距离、敏感目标分布）及历史事故案例，开发基于图神经网络（GNN）的风险传导预测模块；针对某石化企业泄漏事故模拟，系统提前68小时预测到下风向3公里范围内居民区苯浓度将超标，协助监管部门启动Ⅱ级应急响应，避免约2000人暴露风险。
• 优化模型部署方案，基于Docker容器化与Kubernetes编排，将预警模型推理延迟从120秒压缩至25秒，满足监管部门实时监控需求；同步设计A/B测试框架，每月对比模型预测与人工巡查结果，推动模型迭代效率提升30%，近半年累计优化特征工程参数17组，关键指标（F1-score）稳定在0.89以上。
• 对接中国环境监测总站标准，主导编制《工业集聚区AI环境预警系统性能评估指南》，提出包含时空覆盖度、预警时效性、误报容忍度等6项核心指标的量化评估体系，被纳入省级智慧环保平台验收规范。

聚焦大气环境质量预警场景，负责空气质量预测模型开发、气象-污染协同机制研究及预警产品落地，支撑城市生态环境局对PM2.5重污染、臭氧污染的提前48小时预警。

• 针对华北地区臭氧污染成因复杂（VOCs/NOx协同、光化学反应）的特点，改进传统CMAQ模型与机器学习的融合框架，引入迁移学习解决不同季节（夏季高温高湿vs秋季静稳）下模型泛化性差的问题；通过迁移WRF气象模式输出的边界层高度、混合层厚度等参数作为辅助特征，将臭氧超标预警准确率从75%提升至86%，关键区域（如城市建成区）提前量延长至60小时。
• 搭建城市级大气污染源反演系统，基于卫星遥感数据（TROPOMI的NO2柱浓度）与地面监测站数据，使用贝叶斯层次模型量化工业企业、机动车、扬尘的贡献占比；在某次夏季臭氧重污染事件中，系统精准识别出3家化工企业VOCs无组织排放异常，协助执法部门开展靶向核查，最终关停2家违规企业，当月区域臭氧浓度同比下降12%。
• 设计预警信息智能推送策略，结合地理围栏（敏感人群密集区）与风险等级（红/橙/黄），开发基于规则引擎+协同过滤的个性化推送模块；上线后预警信息触达率从65%提升至88%，重点企业负责人对预警响应的及时率从70%提高至92%，获市生态环境局“年度技术创新奖”。

参与地表水环境预警系统基础算法研发，聚焦水质指标（COD、氨氮）时序预测及异常波动识别，为区域水污染联防联控提供技术支撑。

• 基于某流域10个国考断面的逐小时水质监测数据，构建结合小波变换与BiLSTM的水质预测模型，解决传统ARIMA模型对突发污染（如上游企业偷排）响应滞后的问题；通过小波分解提取高频噪声与低频趋势特征，模型对氨氮浓度骤升的预测提前量从12小时延长至28小时，在2021年“6·18”跨境污染事件中成功预警，避免下游3个城市饮用水源受影响。
• 开发水质异常检测模块，采用孤立森林（Isolation Forest）与滑动窗口统计法融合的方法，识别因仪器故障或人为干扰导致的异常数据；上线后系统自动标记可疑数据点占比15%，经人工复核确认真实异常事件23起，数据可用率从89%提升至95%，保障了后续预警模型的训练质量。
• 参与编写《流域水质AI预警模型技术规范》，定义模型训练数据要求（至少3年连续监测数据）、评价指标（MAE≤15%、漏报率≤5%）及运维流程（月度模型校准），成为公司承接省级水环境项目的标准技术文档。

工业园区多源数据融合智慧环保数字孪生平台研发与应用

• 项目背景：国内工业园区普遍存在环保数据分散（企业DCS、在线监测、气象等多源数据异构）、监管预警滞后等问题，某省生态环境厅亟需一套整合多源数据的数字孪生平台，实现污染实时溯源与智能预警。我的总体职责是统筹平台架构设计与核心技术攻关，对接政府需求与研发团队进度，确保项目落地符合监管场景要求。
• 关键难题与技术：一是多源数据融合困难——企业数据格式不统一、同步延迟达分钟级，无法支撑实时孪生；二是园区污染扩散建模不精准——传统CFD模型无法关联实时工况波动。为此，我引入自研边缘计算网关（搭载协议解析模块）解决异构数据标准化问题，采用Apache NiFi做ETL清洗，并融合计算流体力学（CFD）与LSTM神经网络构建动态污染扩散孪生模型，打通“数据-模型-场景”的链路。
• 核心行动与创新：我主导设计了“端-边-云”三层架构——边缘侧通过网关实现企业数据低延迟传输，云端基于Spring Cloud搭建数据中台，结合Unity引擎开发三维可视化界面，将园区地形、企业布局与污染物浓度实时映射；创新点在于把企业生产负荷、治污设备运行参数嵌入孪生模型，让污染预测从“静态模拟”转向“动态响应”。
• 项目成果：平台覆盖5个重点工业园区、120家企业，接入20+类10万+点位数据；预警准确率从原有系统的65%提升至92%，帮助企业提前72小时预警违规风险，减少违规次数80%；为客户推动园区环保合规率升至98%，为公司带来300万/年订阅营收，获客户“优秀解决方案提供商”称号。

钢铁企业烧结机烟气超低排放智能优化控制系统开发

• 项目背景：某头部钢铁企业烧结机烟气排放存在“工况波动大、人工调控依赖经验、达标率不稳定”痛点，客户需一套系统实现喷氨、脱硫剂用量自动优化。我担任核心技术工程师，负责算法开发、系统集成及现场调试，目标是从“事后治理”转向“事前预测、事中优化”。
• 关键难题与技术：一是烧结工况（料层厚度、风量）快速变化导致SO2/NOx排放波动，传统PID控制无法实时适配；二是烟气传感器易受粉尘影响漂移，干扰调控精度。我采用强化学习（DDPG算法）构建“工况-排放”预测模型，同时开发基于激光光谱仪的漂移补偿算法，每2小时校准传感器数据。
• 核心行动与决策：我采集1年烧结工况与排放数据（10万+条）训练模型，将预测结果与DCS系统联动，实现喷氨量、脱硫剂投加量动态调整；针对现场粉尘大的问题，我优化了激光光谱仪的安装位置与采样频率，确保漂移补偿的准确性。这一过程需平衡算法响应速度与工业场景稳定性，最终选择轻量化模型部署在边缘端。
• 项目成果：系统上线后，烧结机排放达标率从90%升至99.5%，未发生超标事件；脱硫脱硝药剂用量降低25%，年节省成本180万元；成果获“XX省环保科技进步三等奖”，技术方案被企业推广至3条生产线，成为公司在钢铁行业的标杆案例。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。