负责工业废气排放AI预警系统端到端研发，涵盖多源异构数据融合、时序预测模型构建及预警规则迭代，支撑企业合规排放与监管决策

• 主导设计基于LSTM-Transformer混合架构的废气超标预警模型，整合企业DCS系统工艺参数（温度、压力、VOCs浓度）、CEMS在线监测数据及气象部门AQI指数，通过PyTorch搭建框架，针对数据缺失问题采用KNN插值+注意力机制补全，将异常排放提前预警时长从4小时延长至12小时，模型准确率提升至92%
• 核心参与某钢铁集团5个厂区废气预警系统落地，梳理12类排放源工艺逻辑，定制“工艺参数-排放浓度”关联规则引擎，解决烧结、炼铁等不同产线异质数据适配问题，系统上线后帮助企业减少超标排放事件35%，获客户年度技术创新奖
• 优化系统实时计算性能，针对每秒10万条高并发设备数据流，用Flink重构流处理架构，引入窗口函数+状态后端优化，将数据处理延迟从500ms降至100ms，支撑企业实时监控大屏分钟级响应，满足环保监管要求
• 建立模型持续迭代机制，每周采集误报/漏报案例，用SHAP值分析特征重要性，优化输入特征集（剔除冗余湿度特征、新增SO₂/NOx比值特征），使模型月度误报率从8%降至3%，保障系统长期稳定运行

负责环境监测数据分析与预警规则挖掘，支撑AI预警系统需求输入及效果验证

• 主导某化工园区10家企业废水排放数据挖掘，用Python Pandas、Scikit-learn分析COD、氨氮等指标时间序列特征，识别“夜间排放浓度波动异常”规律，为AI模型提供关键特征方向，助力园区超标排放发现率提升20%
• 开发基于随机森林的排放因子异常检测模型，整合生产台账（产量、原料用量）与在线监测数据，构造“单位产品排放量”衍生指标，实现偷排行为精准识别，模型召回率达85%，帮助园区查处3起偷排案件
• 搭建环境预警规则可视化配置平台原型，用Vue.js+ECharts实现阈值与关联条件拖拽设置（如风速<2m/s时VOCs阈值下调20%），解决传统规则硬编码适配难问题，平台试点获80%用户好评
• 参与编写《化工园区环境预警指标体系规范》，结合HJ 633-2012与园区企业特征，定义15项核心预警指标及阈值，成为园区后续系统建设标准依据

负责污染源在线监测设备运维与数据质量管控，为一线预警提供可靠数据基础

• 承担园区20套CEMS设备运维，制定“周巡检+月校准”计划，用Testo 350烟气分析仪校准SO₂、NOx传感器精度，将设备数据有效率从90%提升至98%，保障数据分析可靠性
• 排查CEMS设备“VOCs浓度数据跳变”故障，发现采样管路冷凝管堵塞导致样品失真，通过热清洗+更换滤芯修复，避免因数据错误引发误预警，获企业“运维服务之星”称号
• 整理设备运维数据，分析故障高发部件（采样泵、电磁阀），向厂家反馈改进意见，推动采样泵耐用性从6个月提升至12个月，降低园区运维成本约15%
• 协助环保部门开展数据质量专项检查，用Excel VLOOKUP+数据透视表比对生产数据与监测数据相关性，发现2家企业数据造假嫌疑，移交执法部门查处，维护数据真实性

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。