行业资讯

孙加龙 | 人工智能大模型及应用实践

2025-10-16 22:47

d0c7754a163a20d61757258d2688bc34.jpg


中电建生态环境集团有限公司  副总工程师



孙加龙,博士,毕业于华南廷工大学,中国电建土壞修复产业联望副秘书长,正高级工程师,兼任博士生导师。中组部博士服务团成员。曾任水利部大高奖评委专家、财政部评审专家。任中国环境保护产业协会水污染治理专业委员会到主任委员、深圳方给排水协会智慧水务专委副主任委员。在中国施工企业管理协会(质三与安全、标准化)、中国水利学会、深圳市物联网 产业协会等多个协会任专家。任深圳市人工智能专业高级职称评委、深圳市重大科技す目评审专家、粤港決大湾区人工智能专家。持有的证书包括英回特许证券与投资协会ESG评级证 书、计算机信息系统集成高级项目经理证书、计算机软件程序证书。

图片
图片


图片

一、演讲题目

图片

016A9800-opq3685215494.jpg


《人工智能大模型及应用实践》





图片

二、报告摘要

图片

中电建生态环境集团副总工程师孙加龙,结合一线经验拆解大模型在土壤修复“精准监测”“智能决策”环节的应用路径与价值,核心聚焦该技术的环保实践。

报告先从技术本质出发,阐释大模型的定义、特征与技术逻辑,明确其相较传统AI的突破及“单点智能”到“通用智能”的里程碑意义,并梳理主流产品优势与适用场景,奠定产业分析基础。

最后,从“技术迭代”“产业拓展”维度,预判大模型轻量化、可解释性提升等趋势,展望其在环保全产业链及跨领域的规模化应用潜力,为行业智能化升级指路。





图片

三、报告核心内容

图片
图片

中电建生态环境集团副总工程师孙加龙,立足企业土壤修复一线实践,以“技术落地+价值验证”为核心,系统分享人工智能大模型在该领域的应用路径、实战成果与发展方向,内容兼具实操性与前瞻性。




(一)痛点破局:大模型为何能重构土壤修复


孙加龙直指传统土壤修复的三大核心瓶颈:

监测滞后:人工采样周期长、覆盖范围有限,难以及时捕捉污染变化。

决策主观:依赖专家经验设计方案,成本控制与效果预判精度不足。

管控被动:缺乏动态反馈,难应对污染物迁移等突发情况。

而大模型通过构建“数据-模型-应用”全链条智能体系,精准破解上述痛点:整合多源数据打破信息孤岛,依托算法挖掘规律实现科学决策,最终落地于修复全流程管控,成为行业从“经验驱动”转向“数据驱动”的关键引擎。


6912b6ccb518c27f5e7f499c3cdfe215.jpg



(二)实战拆解:大模型在土壤修复中的三层落地路径



数据层:筑牢智能修复的“信息底座”


历史监测数据:5年土壤重金属含量、pH值。

实时感知数据:100+土壤传感器每小时采集污染物浓度。

空间地理数据:无人机遥感+GIS地形信息。

关联影响数据:企业排污记录、气象水文数据。

大模型自动完成数据清洗(剔除传感器故障值),效率较人工提升90%以上,为后续分析奠定高质量数据基础。


模型层:训练修复场景的“专项能力”


污染迁移预测模型:

用LSTM算法预测污染物扩散路径,准确率超90%,曾在某工业园区项目中,精准预判重金属随雨水迁移范围,为拦截工程提供依据。


修复效果评估模型:

融合生态指标与污染物去除率,模拟方案实施效果,模型修正周期从“月级”缩至“周级”,大幅提升评估效率。


应用层:释放精准管控的“实战价值”


精准监测与预警:

实时生成污染热力图,自动识别隐性风险(如传感器骤升但无排污),某项目中提前72小时预警管道泄漏,避免污染范围扩大30%。


智能决策与优化:

自动生成3套修复方案并量化对比(如生物修复成本低25%、工期短15天),还能预判风险(如化学淋洗致pH失衡),同步给出“添加中和剂”的优化建议。

图片
图片
图片


(三)前瞻方向:大模型落地的挑战与突破路径



技术轻量化:

研发环保专用轻量化模型,适配项目现场边缘设备,解决偏远场地网络、算力不足问题。


决策可解释性:

优化算法,让方案推荐附带明确依据(如“方案A在同类砂质土项目达标率高12%”),消除“黑箱”顾虑。


生态协同化:

推动大模型与数字孪生融合,搭建跨区域数据平台,实现不同省份修复经验共享,加速行业整体升级。

f6c7d6d8da3bc9bf948789716d909d84.jpg


会员登录

尊敬的联盟会员,欢迎回来,请登录您的账户。

* 手机号
* 验证码