Large Language Models for Water Distribution Systems Modeling and DecisionMaking

文章主要内容总结：

本文提出了一种基于大型语言模型（LLM）的框架LLM-EPANET，通过自然语言交互实现水分配系统（WDS）的建模与决策支持。该框架结合了检索增强生成（RAG）技术，将用户的自然语言查询转换为可执行的Python代码，调用EPANET工具包进行水力和水质模拟，并返回结果。研究通过不同复杂度的查询测试（静态、水力、水质、场景分析），验证了框架的有效性，特别是在非技术用户参与复杂模型分析中的潜力。结果表明，复杂提示和错误重试机制显著提升了准确率，其中静态查询准确率最高（100%），而场景分析类查询的准确率随复杂度增加而下降。

创新点：

1. 自然语言交互框架：首次将LLM与EPANET结合，实现非技术用户通过自然语言直接操作水分配系统模拟，降低专业门槛。
2. 检索增强生成（RAG）技术：通过向量嵌入和外部知识库检索，解决LLM的知识过时和代码生成幻觉问题，提升代码准确性。
3. 通用化设计：支持多样化查询（如网络结构分析、模拟结果提取、场景修改），突破传统特定任务工具的局限性。
4. 错误修正机制：通过多次重试和动态代码调整，增强系统鲁棒性，减少执行错误。

摘要