负责工业聚集区AI环境预警系统端到端架构设计、模型迭代及业务落地，覆盖多源数据融合、算法优化与场景适配，支撑园区大气污染“早预警、早处置”

• 主导设计“工艺参数-排放数据”双驱动的LSTM-XGBoost融合预警模型，针对钢铁园区烧结机废气非线性时序特征，整合DCS系统炉膛温度、脱硫塔pH值等15维工艺参数与SO₂、颗粒物在线监测数据，通过SHAP值分析筛选滞后3小时的炉膛温度波动（特征重要性0.87）等关键因子，将超标预警准确率从78%提升至93%，漏报率下降45%；搭建模型每周在线更新机制，用新数据微调参数保持适应性
• 核心开发支持20+园区接入的预警平台，采用Spring Cloud Alibaba微服务架构，对接OPC UA、Modbus多协议设备采集，设计自适应数据清洗Pipeline（含缺失值插补、异常值Winsorization），解决传感器数据异构问题，数据可用率达99.6%；平台日均处理300万+条数据，预警响应时间从12分钟缩短至2.5分钟
• 优化边缘侧实时预警能力，将TensorFlow训练的LSTM模型量化压缩为TensorRT引擎部署边缘网关，针对量化后精度下降（从92%降至85%），用迁移学习以目标园区3个月数据微调，精度恢复至91.5%，实现边缘端预警延迟≤500ms，满足企业秒级响应要求
• 搭建预警有效性评估体系，结合混淆矩阵、ROC-AUC（0.91）及环保执法数据量化处置率；每月输出《园区废气预警效能报告》，推动整改15起“预警未处置”问题，预警事件实际查处占比从65%提升至88%，帮助企业规避3起环保处罚

参与大气环境预警系统算法开发与数据治理，推动系统从试点向规模化应用转化，解决模型泛化性与业务适配问题

• 参与某化工园区试点模型开发，针对化工废气（VOCs、苯系物）复杂性，用XGBoost融合气象、地理与排放数据构建多因子模型；通过网格搜索优化超参数，将苯浓度超标预测准确率从70%提升至85%，支撑试点完成“AI预警-核查-整改”闭环
• 负责系统数据层治理，梳理12家企业30+台设备数据，建立数据质量监控指标（缺失率≤1%、异常值占比≤0.5%），开发自动化校验脚本，将数据问题解决时间从4小时缩短至30分钟，保障模型输入可靠性
• 协助业务优化预警阈值，结合化工生产工艺与企业排放标准，用ROC曲线确定苯浓度预警阈值0.08mg/m³（低于国标0.1mg/m³），误报率从35%降至18%，提升企业对系统的信任度

负责企业废气排放数据统计分析与预警模型探索，为AI预警系统开发积累基础数据与经验

• 整合下属3家火电厂废气排放（SO₂、NOx、烟尘）与运行数据（机组负荷、煤质），用Hive构建数据仓库（含100+张表），通过SQL分析发现机组负荷超80%时NOx浓度上升显著（R²=0.75），为后续模型特征选择提供依据
• 探索传统模型局限性，用ARIMA预测SO₂排放，对机组启停等突发工况预测误差达40%；撰写《传统时序模型在动态工况下的局限性分析》报告，提出“工艺参数+机器学习”模型建议，为转向AI预警埋下伏笔
• 支持环保部门临时核查，用Python编写自动化报表脚本（Pandas处理、Matplotlib可视化），将月度排放报告生成时间从2天缩短至半天，提升工作效率

长三角某国家级经开区工业园区智慧环保管控平台研发与落地项目

• 长三角某国家级经开区聚集120余家工业企业（涵盖化工、电子、纺织等高耗能高污染行业），原有环保管理依赖人工巡检+分散系统（企业在线监测、园区大气/水站数据孤立），存在数据真实性存疑、超标预警滞后（平均延迟2小时）、企业治污效率低（设施运行率仅75%）等问题。我的核心职责是牵头需求调研、方案设计与全生命周期交付，目标搭建“全链路可视化+智能预警+协同管控”的智慧环保平台，支撑园区完成“十四五”污染物减排20%的刚性目标。
• 项目面临三大关键挑战：一是多源数据融合难——企业端CEMS、水质监测仪与园区端监测数据格式异构，且存在企业瞒报风险；二是复杂场景预警准度低——化工企业VOCs无组织排放受气象条件影响大，传统阈值预警误报率高达60%；三是企业系统兼容性差——80%中小企业使用老旧ERP/自研系统，无法直接对接平台。
• 针对数据融合，设计“边缘计算+区块链”采集方案：在企业端部署轻量化边缘网关（支持Modbus/MQTT/API协议），实时采集设备数据并通过区块链存证确保不可篡改，再依托Hadoop+Spark数据中台清洗关联，实现“企业-园区”数据同源；针对智能预警，联合省气象局训练LSTM+注意力机制模型，整合气象数据（风速、风向、湿度）与企业工艺数据（生产负荷、原辅材料用量），构建VOCs无组织排放预测模型；针对兼容性，开发低代码适配器，无需企业更换系统即可完成数据对接。
• 项目上线后，园区环保监管效率提升60%（人工巡检频次从周3次降至周1次），企业治污设施运行率升至92%，VOCs排放浓度下降28%，助力园区提前3个月完成年度减排目标。平台获“2023年度长三角智慧环保优秀案例”，我作为负责人在园区绿色发展论坛分享经验，后续推动公司与3个同类园区达成合作。我个人也完成了从“系统模块负责人”到“全项目统筹者”的能力跃迁。

某地级市化工园区恶臭污染物精准溯源与动态管控系统开发项目

• 某地级市化工园区恶臭投诉占园区总投诉量的35%，传统手工监测（每月1次）无法捕捉瞬时排放，溯源依赖人工排查（耗时24小时以上且准确率不足40%）。我的职责是负责恶臭监测算法开发与系统集成，目标是实现“实时监测-快速溯源-源头管控”闭环，解决园区恶臭治理痛点。
• 项目核心难点：一是恶臭组分复杂——涉及硫化氢、氨、甲硫醇等10余种物质，单一传感器无法覆盖；二是溯源精度低——缺乏企业精准排放清单与气象扩散模型结合的方法，导致溯源结果偏差大。
• 技术突破上，选用电化学+PID复合传感器阵列，实现对12种主要恶臭物质的实时监测；开发基于随机森林的污染物组分识别算法，通过训练10万条历史监测数据，实现组分识别准确率90%以上；结合AERMOD气象扩散模型与企业历史排放清单，构建“点源-面源”混合溯源模型，当恶臭超标时，15分钟内定位到具体企业或路段。
• 系统落地后，园区恶臭投诉率下降50%，溯源时间从24小时缩短至1小时内，协助企业排查出3个隐蔽无组织排放口，园区恶臭达标率从68%提升至89%。此项目让我深度掌握了恶臭监测与溯源的核心技术，为后续承接大型工业园区智慧管控项目积累了关键经验，也奠定了我在“细分污染物精准治理”领域的技术壁垒。

• 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。