ST-GAT
用于基于太湖 61 个断面公开数据的水质时空预测与蓝藻风险评估。
TECH STACK · 技术体系
立丹科技的环保 AI 模型与工程方法
基于公开环保数据训练模型，构建可迁移到现场的预测、预警和可视化样机。
MODEL STACK
模型栈
这些模型支撑了 11 个研究项目，目标是迁移到早期合作方的现场数据和业务流程。
XGBoost + LSTM
用于水厂加药、空气质量等短中期预测与时序控制。
ResNet50 + Cross-Attention
融合卫星影像与环境协变量，用于土壤有机碳估算。
PINN · LSTM-AE · TFT
用于异常检测、传播建模、概率预测和物理约束溯源。
RESEARCH PROJECTS
从模型进入研究项目
11 个研究项目展示这些模型如何在公开数据上生成预测、地图、白皮书和互动叙事；进入早期合作后，再评估迁移到现场数据的条件。