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

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。