大型语言模型在水文建模中的落地应用

《Journal of Hydrology》：Grounding large language models in hydrologic modelling

　　

摘要 尽管大语言模型（LLMs）拥有丰富的水文知识，但它们往往难以恰当地模拟水文系统中的复杂物理过程。为克服这一局限，我们提出了一种基于LLM的智能体水文时间序列预报建模方法（HydroAIM）。HydroAIM通过模型上下文协议（MCP）解耦多智能体架构，整合了专家任务工作流、标准化算法工作流（SAW）库以及迭代反馈闭环执行工具箱。综合实验表明，在利用5种LLM完成125项不同类型的建模任务中，HydroAIM的执行成功率为92.8%。消融实验发现，移除专家任务工作流会导致系统因规划混乱而完全失效，成功率骤降至0%。这一结果表明，长程任务规划是限制LLM执行水文建模任务的核心瓶颈。此外，当无需人工干预地应用于CAMELS数据集（流域属性与气象大样本研究）中的531个流域时，HydroAIM在局部建模和全球建模中分别达到了0.58和0.73的中位纳什-萨特克利夫效率（NSE），取得了可用的建模性能。本研究证明，在适当的支持和约束下，基于LLM的智能体可以有效落地于自动化的水文建模，为专业科学领域的定量任务提供了一条可扩展的路径。引言 大语言模型（LLMs）已展现出在语义理解、跨任务泛化和代码生成方面的卓越能力（Boiko等，2023；Wang等，2023）。这些进展为在专业科学领域探索基于LLM的技术提供了前所未有的机遇，从而吸引了水文研究社区的广泛关注（Kadiyala等，2024；Kojima等，2022）。先前的研究表明，LLM在水务查询应答、遥感影像分析（Ren等，2024）、水文文献挖掘（Miao等，2024）、基础推理（Kizilkaya等，2025）以及早期洪水预警（Martelo等，2026）中具有显著的应用价值。值得注意的是，由于领域知识缺失和响应稳定性不足，LLM在这些任务中仍面临重大挑战（Kizilkaya等，2025）。表1。尽管LLM能够完成这些基于知识的任务，但将其用于定量建模更具挑战性。近期，学者们已对LLM在水文建模中的应用进行了初步尝试（Sun等，2025）。通常采用数据驱动的深度学习模型作为目标，例如用于径流预报的时间序列模型（Kratzert等，2018；2019）、蒸散发估算（Wu等，2019）以及水位预测（Ma等，2023）。这些深度学习模型与LLM在代码生成和逻辑推理方面的核心优势高度契合。然而，将通用LLM直接应用于复杂水文建模任务时，会遇到三个内在且关键的挑战。第一，缺乏物理与算法边界约束使其极易产生模型架构和超参数幻觉（Alansari和Luqman，2025；Ji等，2023）。第二，当面对涵盖数据预处理、模型构建和训练调优的超长工作流时，它们容易因信息过载而出现上下文退化和规划迷失（Huang和Zhang，2025；Liu等，2024b）。第三，缺乏真实计算环境和闭环反馈机制往往使生成的代码无法执行（Yang等，2024）。因此，需要一种能够整合LLM能力与专业建模技能的方法来应对上述挑战。基于LLM的多智能体架构为将LLM落地于水文建模提供了一条潜在路径（Maldonado等，2024）。通过利用基于LLM的编排智能体来分解复杂任务、协调专业化智能体并调用外部工具（Dong等，2024；Shen等，2023b），此类架构已在医学和材料科学等领域实现了专业化工作流的自动化（Feng等，2025；Lei等，2024）。最近，智能体AI在水务领域也引起了越来越多的关注。已有研究为水利工程和城市水管理提出了概念性多智能体框架，其中编排智能体协调专业化智能体与外部工具以支持监测、规划、模拟和决策（Fu，2026；Goldshtein等，2025；Hosseini等，2026；Yang和Chiou，2026）。相关实现已连接LLM智能体与成熟的水力和城市排水模拟器，如EPANET、SWMM和基于物理的地下水模型，实现了自然语言驱动的模型配置、模拟执行、结果分析和溯源追踪（Ma等，2026；Wang等，2026；Zhang和Valeo，2026）。在水文领域，AI增强的建模框架进一步探索了利用专业化LLM智能体辅助模型概念化、配置、执行、解释和率定（Eythorsson和Clark，2025；Tudaji等，2026；Zhu等，2026）。这些研究展示了智能体AI在降低复杂水与环境建模工作流门槛方面的潜力。然而，大多数现有的水务智能体系统要么停留在概念决策支持层面，要么专注于编排已有的过程驱动模拟器。相对较少有研究关注LLM智能体是否能在标准化建模约束下自主构建、训练、调试和评估数据驱动的水文时间序列模型。水文深度学习建模涉及数据预处理、架构设计、超参数配置、训练诊断和定量评估，所有这些都需要超越LLM通用规划能力的领域特定算法技能。因此，在通用基于LLM的多智能体架构与其可靠应用于端到端水文深度学习建模之间仍存在方法论差距。基于LLM的多智能体架构为将LLM落地于水文建模提供了一条潜在路径（Maldonado等，2024）。通过将LLM作为“中央控制器”自主分解任务并编排外部工具（Dong等，2024；Shen等，2023b），该架构已成功在医学（Feng等，2025）、材料科学（Lei等，2024）以及传统供水系统（Goldshtein等，2025）等跨学科领域实现了专业化工作流的自动化。这些跨领域成功为将LLM应用于水文建模提供了关键启示。然而，水文建模涉及数据预处理、架构设计和训练调优，这些均依赖于超越通用LLM能力的专业领域技能。值得注意的是，通用基于LLM的多智能体架构与其在水文建模中的应用之间仍存在知识和方法论差距。为填补这一空白，本研究提出了一种基于LLM的智能体水文时间序列预报建模方法（HydroAIM）。HydroAIM在架构层面引入了三个核心机制。第一，为应对无约束代码生成中易出现的幻觉，引入了标准化算法工作流（SAW）库，为LLM提供经专家验证的算法参考。第二，为应对长程科学工作流中的上下文退化和规划能力薄弱，实施了由专家任务工作流引导的基于模型上下文协议（MCP）的多智能体架构。通过预设标准化的领域任务链，该架构在逻辑上解耦了复杂建模任务，防止了因盲目试错导致的系统失效。第三，为克服缺乏真实执行环境和计算验证的问题，HydroAIM配备了定制工具箱和闭环执行反馈引擎。该引擎弥合了工具调用与代码执行之间的物理鸿沟，使智能体具备自主试错和定量迭代的能力。此外，本研究旨在探索提升所提方法可迁移性的有效路径，具体聚焦以下三个问题：（1）借助多智能体架构和受约束生成机制的通用LLM，能否克服内在幻觉和逻辑断层，自主完成从任务分析到模型训练的端到端定量水文建模？（2）在自动化建模闭环中，哪些架构组件在缓解LLM局限、确保任务成功率和模拟精度方面起决定性作用？（3）在处理复杂水文时间序列预报任务时，由智能体自主编排的数据驱动工作流能否无需人工干预即达到由人类专家或传统基于物理模型确立的应用基准？本研究的其余部分组织如下。第2节介绍HydroAIM。第3节概述实验设计与数据集。第4节展示结果，包括智能体执行能力、水文建模性能和能力扩展。第5节讨论自主基于LLM的水文建模的局限性、可复现性考量及实际意义。最后，第6节给出结论。章节片段 HydroAIM概述 所提出的HydroAIM以LLM作为中央控制器，整合了基于MCP的多智能体协作框架（Ray，2025）、SAW库和闭环执行引擎。其核心思想是将复杂、长程的深度学习建模工作流分解为一系列逻辑上解耦的子任务，由具有不同角色的智能体协同处理，从而实现从任务分解到结果生成的自动化端到端流程（Dong等，2024）。实验设计 为评估HydroAIM的性能，我们设计了一项涵盖两个互补维度的综合实验：（1）评估该方法在复杂工程约束下的自主工作流执行能力与鲁棒性；（2）对标标准化科学基准评估其水文预报性能。为全面评估所提出的HydroAIM方法，我们使用了两个不同的数据集。具体的数据来源、变量、时间跨度……跨LLM骨干的适应性 如前所述，为验证该方法的能力并明确回答第一个核心科学问题，我们在代表性LLM上部署了该方法：GPT-5.5、Claude-4.5-sonnet、Gemini-2.5-pro、Deepseek-v3.2和Qwen-plus。实验结果表明，该方法在所选骨干模型上表现出高适应性。如图8所示，尽管它们在底层训练数据和对齐策略上存在差异，但所有五个模型均成功理解……讨论 结果应被解读为这样的证据：当受专家工作流、标准化算法参考、结构化工具模式以及可执行反馈约束时，基于LLM的智能体能够支持水文建模工作流的自动化构建与执行。HydroAIM并不意味着LLM直接执行水文建模。相反，水文预报和模拟是由深度学习模型与数据处理管线生成的，而LLM……结论 在本研究中，我们通过HydroAIM将LLM落地于水文建模，填补了LLM应用中知识交互与定量建模之间的鸿沟。结果验证了“专家经验+基于LLM的智能体”协作范式在水文建模任务中的可行性与有效性。利用HydroAIM，我们确认在机制性工作流约束下，通用LLM能够实现高度可靠的自主执行。在125项多样……CRediT作者贡献声明 李英佳：写作—审阅与编辑，写作—原稿，可视化，验证，软件，方法论，调查研究，形式分析，数据整理，概念化。胡世铄：写作—审阅与编辑，验证，方法论，调查研究。张峰：写作—审阅与编辑，验证，软件，调查研究。余新鹏：写作—审阅与编辑，软件，数据整理。罗伟：写作—审阅与编辑，方法论，形式分析。刘丁晓：可视化。利益冲突声明 作者声明不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。致谢 本研究得到国家自然科学基金委科技创新项目（编号52539001）和深圳市科技计划项目（编号AI20260020）的支持。李英佳|胡世铄|张峰|余新鹏|罗伟|刘丁晓|徐斌|赵建时