软件

项目

开源、代理驱动的工具，把我的水文研究变成任何人都能上手的软件。从架构设计、引擎实现到界面交付都由我完成：既有在地图上画一笔就能建模的在线应用，也有用自然语言端到端驱动工业级建模软件的运行时。

生态体系

代理式水文平台

用一个自然语言界面统一水文建模，覆盖流域、城市与乡野。你用自然语言描述目标，代理运行时会自动选择数据、挑选合适的引擎、运行模拟并解释结果。每一步都是确定性的、可审计、可复现。平台把下面这些项目组合成一条完整的工作流。

架构：自然语言入口把请求交给 aiswmm 运行时，由它在同一套开放数据底座之上编排四个可互换的引擎。图示由作者绘制。

Python PyTorch MCP 服务器 Agent Skills EPA SWMM 5.2 DHI MIKE+ 开放数据

查看 GitHub 相关论文

平台内部

我构建的这些

旗舰 · 在线 demo · v0.9.3

Agentic SWMM

我的标志性开源项目：一个验证优先的代理运行时（aiswmm），用 Agent Skills 和 Model Context Protocol 端到端驱动 EPA SWMM。每次运行都可审计、可复现，带来源追踪与建模记忆。现已是稳定、可安装的产品（v0.9.3 上架 PyPI，一键安装脚本，Docker），支持交互式会话、十种 LLM 供应商路由、率定与气候情景批处理。一句英文即可从 SWMMCanada 取回真实市政雨水管网、运行 SWMM、审计结果、按设计规范复核，并导出 Word 报告。也可在浏览器里直接体验 Greenwich Peninsula 全流程 demo。发表于《AI for Engineering》(2026)。

Agent Skills MCP EPA SWMM 5.2 来源追踪可复现率定

v0.9.3 · PyPI + Docker 同行评议 · AI for Engineering MIT 许可

打开在线 demo 查看 GitHub 阅读论文

开放数据 · 开源服务 · v0.5.0

SWMMCanada

在加拿大任何地方画一个边界，就能用加拿大开放数据装配出一个可立即运行的 EPA SWMM 模型：35 个城市使用真实公开雨水管网（34 个加拿大市镇，外加雷克雅未克），其他地区自动合成管网，并可导出 MIKE+ 与 InfoWorks ICM 数据包。已用真实流量站校核：渥太华 Graham Creek 流域（22 km²）的未率定模型，在 2024 年夏季的 12 场降雨中均在正确日期复现了响应。现为 Agentic SWMM 的上游建模模块。预印本见 EarthArXiv (2026)。

Python · FastAPI React · MapLibre geopandas Docker

35 个城市 MIT 许可

打开应用 GitHub 预印本

MIKE+ Sirius_RTC 示例管网，包含 568 个节点和 576 条管段，呈密集网格状

商业引擎 · 无界面

Agentic MIKE+

面向 DHI MIKE+ 的无界面、自然语言自动化层。代理无需打开 GUI 就能检查、编辑、运行并可视化水力模型，进程隔离、确定性，且许可证灵活（读取与绘图无需许可证）。

MCP 服务器 mikeio · mikeio1d Python 3.11

568 节点验证 10+ 工具

GitHub

留出测试年份上观测值与 LSTM 预测径流过程线的对比，标注 NSE 0.871 与 KGE 0.880

流域预测 · 深度学习

LSTM 径流引擎

一个数据驱动的降雨-径流模型，学习长程依赖（积雪、土壤含水量、地下水）来预测流域径流与洪水，在留出测试年份上达到 NSE ≈ 0.87。随平台一同发布。

PyTorch LSTM 降雨-径流

NSE 0.87 测试 KGE 0.88

GitHub

其他

早期工具

Fuzzy-HydroGPT-RTC v2.0

桌面应用 · PyQt6

在一个 PyQt6 界面里完成水文建模与不确定性量化，具备实时控制 (RTC)，可实现近乎即时（<10 秒）的基于 GPT 的峰值流量预测。不仅限于水文领域。

查看 GitHub

HydroGPT-Fuzzy v1.0

数据处理平台

快速水文与气候数据处理器：加拿大天气爬取、基于 GPT 的 JSONL 转换、三角形/梯形模糊隶属函数，以及 NSE 模型评估。

下载 v1.0

项目