一种基于AI智能体的内涝预报辅助生成方法及系统与流程

本发明涉及智慧水务与人工智能，具体来说，涉及一种基于ai智能体的内涝预报辅助生成方法及系统，尤其涉及利用大语言模型、检索增强生成技术、水文水动力模型耦合以及工作流编排技术实现城市内涝管理场景中内涝预报的智能化生成与多维度可视化展示。

背景技术：

1、目前，在城市内涝预报领域，已有一些与本发明相关的现有技术方案。在内涝预报模型方面，已有技术提出了城市内涝实时预报方法及系统，通过采集降雨数据和气象预报数据，利用水文水动力耦合模型进行内涝模拟计算，生成内涝预报结果。还有现有技术涉及基于深度学习与水文模型耦合的城市内涝预报方法，通过深度学习模型提高内涝预报的精度和效率。此外，也有现有技术公开了基于机器学习的内涝风险预测方法，利用历史内涝数据和降雨数据训练预测模型。

2、现有技术中，内涝预报模型的运行需要用户手动配置大量参数，包括预报范围、预报降雨情况、预见期、预报步长等。每次预报前，用户需要通过界面表单逐一填写或选择各项参数，操作繁琐、耗时长。尤其当需要频繁调整预报场景进行多方案对比时，人工操作的效率瓶颈尤为突出。因此，现有技术缺乏一种能够通过自然语言指令自动完成模型参数配置的智能化机制。

技术实现思路

1、为了实现内涝预报的全流程智能化操作，本发明提供一种基于ai智能体的内涝预报辅助生成方法及系统，具体技术方案如下：

2、一种基于ai智能体的内涝预报辅助生成方法，包括如下步骤：

3、s1，接收用户输入的内涝预报指令，并进行语义解析与意图识别，以及提取内涝预报模型所需的预报参数；

4、s2，在识别用户的内涝预报意图后，将内涝预报指令以及预报参数转化为高维向量表示，得到查询向量，并基于查询向量在本地水利知识库的向量数据库中进行相似度检索，获取与内涝预报相关的若干个候选知识片段，对每个候选知识片段进行评分并根据评分对候选知识片段进行重新排序，输出排名前n个最相关的知识片段；

5、s3，以排名前n个最相关的知识片段及内涝预报指令作为输入提示词，生成内涝预报模型所需的完整参数并进行结构化处理，得到结构化预报参数；

6、s4，调用内涝预报模型并将结构化预报参数输入内涝预报模型进行内涝模拟运算；

7、s5，内涝预报模型完成内涝模拟运算后，生成预报范围内所有内涝风险点的预报结果。

8、所述基于ai智能体的内涝预报辅助生成方法通过对用户自然语言指令的语义理解，自动提取和生成内涝预报模型所需的全部参数，并自动调用内涝预报模型完成内涝模拟运算，得到报范围内所有内涝风险点的预报结果。相比现有技术需要用户通过界面表单手动逐项填写参数的方式，本发明可自动完成内涝预报模型参数配置的智能化流程，将参数配置时间从分钟级缩短至秒级，显著提高了内涝预报的操作效率。

9、优选地，s1具体包括：

10、s11，通过大语言模型交互模块获取用户以自然语言文本输入的内涝预报指令；

11、s12，识别内涝预报指令是否属于内涝预报意图，若是，从内涝预报指令中提取内涝预报模型所需的预报参数并跳转至s2，若否，则转入通用问答流程或提示用户重新输入；

12、s13，结合多轮对话的上下文信息，补全内涝预报指令中省略或隐含的信息。

13、优选地，s2具体包括：

14、s21，在识别用户的内涝预报意图后，利用embedding模型将内涝预报指令以及预报参数转化为高维向量表示，得到查询向量；

15、s22，基于查询向量在本地水利知识库的向量数据库中进行相似度检索，获取与内涝预报相关的若干个候选知识片段；

16、s23，将若干个候选知识片段输入reranker重排序模块，对每个候选知识片段进行评分并根据评分对候选知识片段进行重新排序，输出排名前n个最相关的知识片段。

17、优选地，s3具体包括：

18、s31，以排名前n个最相关的知识片段及内涝预报指令作为输入提示词，输入大语言模型中，根据从用户指令中直接提取的显式参数、基于最相关的知识片段补全的隐式参数以及自动获取的补充参数，生成内涝预报模型所需的完整参数；

19、s32，预报参数自动生成模块对完整参数进行结构化处理，得到结构化预报参数。

20、优选地，s4具体包括：

21、s41，预报参数自动生成模块将得到的结构化预报参数传递给内涝预报模型调用模块，由调用模块调用智慧水务平台的内涝预报模型并将结构化预报参数填入内涝预报模型的输入接口，进行内涝模拟运算；

22、s42，在内涝模拟运算过程中，由进度展示模块实时获取内涝预报模型的计算进度信息，并以进度条的形式在用户交互界面中进行动态展示。

23、优选地，所述的一种基于ai智能体的内涝预报辅助生成方法还包括如下步骤：

24、进行内涝预报结果的列表展示；

25、和/或，进行内涝预报结果的地图展示；

26、和/或，进行内涝预报结果的统计分析；

27、和/或，进行内涝预报结果的导出。

28、优选地，s12具体包括

29、s121，预置与内涝预报相关的业务关键词库，对内涝预报指令进行分词处理，若分词处理后的内涝预报指令命中业务关键词库中的任一关键词，判定为内涝预报意图；

30、s122，若分词处理后的内涝预报指令未命中业务关键词库中的任一关键词，则将内涝预报指令转化为向量并与预设的内涝预报意图标准模板向量进行余弦相似度计算，若余弦相似度超过预设阈值，判定为内涝预报意图。

31、优选地，s41具体包括：

32、s411，获取预报降雨量、土壤最大持水量以及初损量，根据预报降雨量、土壤最大持水量以及初损量获取径流深；

33、s412，根据河段洪水传播时间获取演算系数，根据演算系数对上游断面流量、时段始末区间入流进行加权融合，得到下游断面流量；

34、s413，将预报范围内的dem网格作为基础地形数据，结合排水管网的空间分布以及设计排水能力，获取每个网格节点的净汇水量，根据净汇水量获取内涝点的积水深度以及内涝程度。

35、优选地，s23中，对每个候选知识片段进行评分具体包括：

36、s231，获取候选知识片段与内涝预报指令在文本语义上的整体相似度，根据整体相似度获取语义匹配度评分；

37、s232，构建内涝预报领域关键词词表，基于内涝预报领域关键词词表获取候选知识片段对于领域关键词的命中密度与层级，根据命中密度与层级获取领域匹配度评分；

38、s233，针对内涝预报的空间范围以及时间特征，对候选知识片段的使用时空范围进行匹配，获取时空匹配度评分；

39、s234，针对历史内涝案例类的候选知识片段，计算历史内涝案例工况与当前预报场景的相似度，获取案例适配度评分；

40、s235，对语义匹配度评分、领域匹配度评分、时空匹配度评分以及案例适配度评分进行加权融合，得到候选知识片段评分。

41、一种基于ai智能体的内涝预报辅助生成系统，用于实现所述的基于ai智能体的内涝预报辅助生成方法，包括：

42、大语言模型交互模块，用于接收用户输入的内涝预报指令，并进行语义解析与意图识别，以及提取内涝预报模型所需的预报参数；

43、embedding模型，用于在识别用户的内涝预报意图后，将内涝预报指令以及预报参数转化为高维向量表示，得到查询向量，并基于查询向量在本地水利知识库的向量数据库中进行相似度检索，获取与内涝预报相关的若干个候选知识片段；

44、reranker重排序模块，用于对每个候选知识片段进行评分并根据评分对候选知识片段进行重新排序，输出排名前n个最相关的知识片段；

45、大语言模型，用于以排名前n个最相关的知识片段及内涝预报指令作为输入提示词，生成内涝预报模型所需的完整参数；

46、预报参数自动生成模块，用于对完整参数进行结构化处理，得到结构化预报参数；

47、内涝预报模型，用于以结构化预报参数作为输入，进行内涝模拟运算，生成预报范围内所有内涝风险点的预报结果。