负责区域大气污染AI预警系统端到端研发，涵盖多源环境数据融合、时序预测模型构建及预警规则迭代，支撑生态环境部门风险防控决策

• 主导设计基于LSTM-Transformer混合架构的PM2.5/O3复合污染预警模型，整合WRF气象模式输出、MEIC污染源清单及国控监测站点API数据，针对传统单因子模型非线性关联捕捉不足问题，通过迁移学习优化特征工程（选取温度露点差、VOCs/NOx比值等6个交互特征），将模型72小时预测准确率从78%提升至89%；支撑当地生态环境局提前48小时发布橙色预警5次，帮助区域内15家重点企业调整生产计划，减少限产损失约1200万元
• 核心参与开发预警系统前后端模块，采用Vue3+Spring Boot技术栈对接省“天地空一体化”监测平台，解决WebSocket长连接偶发断开问题（通过心跳包机制优化），将预警信息推送延迟从15分钟压缩至30秒内；系统上线后累计处理12万+条预警事件，人工复核率从60%下降至20%，获省生态环境厅“智慧环保优秀案例”表彰
• 针对南方梅雨季节湿度干扰导致的传感器数据漂移，牵头建立孤立森林+滑动窗口验证的数据清洗pipeline，动态调整异常值阈值（将湿度阈值从85%修正为70%结合温度梯度判断），异常数据识别率从82%提升至95%；同步优化模型在线更新策略（每周同步最新监测数据微调参数），雨季预警偏差率控制在5%以内，系统鲁棒性显著增强
• 推动预警系统与应急响应平台联动，基于SHAP值解释模型输出关键驱动因子（如工业排放强度贡献度42%、静稳天气持续时间贡献度35%），为监管部门提供“预警+溯源”方案；支撑“一厂一策”减排优化，推动3家化工企业完成RTO焚烧炉改造，年度VOCs排放量下降18%，相关成果纳入《2023年区域大气污染防治白皮书》

负责流域水环境数据整合与分析，构建水质预测模型，支撑预警系统前期数据基础与业务场景落地

• 整合流域12个水质自动站、3家污水处理厂及上游农业面源数据（化肥施用量、畜禽养殖规模），用ArcGIS Pro进行克里金插值与热点分析，识别出3个总磷超标高风险区域；通过Pearson相关性分析发现农业面源贡献占比45%，为后续AI模型输入特征选择提供关键依据
• 搭建基于XGBoost的COD/氨氮短期预测模型，解决传统ARIMA模型对暴雨径流响应滞后问题；通过特征重要性排序筛选前3日降雨量、上游闸坝开度等12个变量，模型RMSE较基准模型降低30%，为水厂提前24小时调整混凝剂投加量提供支撑，减少出水超标风险
• 开发水质预警Dashboard，用Python Dash实现实时数据展示、历史趋势回溯及异常报警，支持移动端访问；上线后推送异常预警23次，其中17次成功拦截工业废水偷排（如某印染厂夜间超标排放），帮助客户避免约800万元环境处罚
• 参与撰写《流域水质预警模型应用指南》，梳理数据采集-模型训练-预警发布全流程，成为公司水环境业务标准文档，支撑后续3个地市项目落地

负责区域大气/水环境监测设备运维及数据采集，保障数据可靠性，为后续分析建模提供基础

• 负责辖区20套大气自动站日常运维，依据HJ 654-2013标准制定月度校准计划，针对粉尘堵塞导致的SO2漂移问题，优化采样头过滤装置（更换为聚四氟乙烯材质），将设备故障 downtime 从每月3天降至1天，数据有效率提升至98.5%
• 构建区域环境监测数据库，用SQL Server存储监测数据，建立“极值检查+逻辑校验+人工复核”三级质控流程，数据错误率从5%降至1%；支撑团队完成《区域大气污染特征研究报告》，明确工业排放为主要污染源
• 协助开展重点污染源监督性监测，使用便携式GC-MS检测企业废气VOCs成分，完成120家企业监测任务，出具80份报告；发现2家家具厂苯系物超标，推动其安装活性炭吸附装置，减少区域VOCs排放约50吨/年
• 参与调试3套水质在线监测设备，解决氨氮传感器零点漂移问题（通过定期清洗电极与校准液配制优化），设备数据一致性从85%提升至95%，获客户“优秀运维服务商”评价

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。

• 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。