从一张 Excel 表到能接进业务系统的水文预报，我对 HydroMind 只说了三句话

平时在单位或者课题组里，手里拿到一张原始数据表，真想把它变成业务系统能直接调的水文预报服务，中间要过好几道手：整理数据、训练和检验模型，最后还得写程序部署成接口，往往要既懂模型又会编程的人花不少工夫。HydroMind 就是为此做的：不懂编程的人跟它说几句日常的话，它就能自己把这些事做完，最后的接口部署也不用写代码。

现在让 AI 写段代码不难，大家真正犯嘀咕的是它弄出来的东西敢不敢真用。让大模型当场现编模型代码，公式错一行都不容易查出来。所以 HydroMind 把计算全放在提前写好、测过的程序里，连数据检查、训练验证检验三段划分和最后的部署走的都是固定程序，自带的 AI 助手 HydroAI 只管挑模型、定设置。内置了包含可微分新安江等的 85 个水文模型，几乎每一个都和论文作者公开的原始代码对照过，输出一致。这样 AI 顶多是在选什么模型、配什么设置上拿错主意，这些选择每一步都在后台留着记录，回头随时能查，哪步选得不合适改掉重跑就行。

下面就拿一张逐日 Excel 表走一遍全过程。对话框里一共给 HydroAI 发了三句话（HydroAI 是 HydroMind 自带的，你也可以换成自己顺手的 Claude Code、Codex、WorkBuddy、DeepSeek Harness 这类 AI 助手，文末有说），训出来的模型在没参与训练的 3 年检验期上 NSE 是 0.878，部署成接口以后我又拿真实数据去调，报回来的数跟检验结果逐个对得上。

这次演示只用了一个流域，跑的是内置模型 dHBV1.1p。做水文的同行对概念性模型 HBV 都很熟，dHBV1.1p 就是在 HBV 上接了神经网络，按天给出 HBV 的参数，再走 HBV 的水量平衡算出流量。因为输入的是逐日资料，这次报出来的也是逐日流量。真用的时候不局限于日尺度，拿逐小时或者逐月的数据进去，一样能训练、检验、做成部署，报出来的就是逐小时或逐月的预报。

第一句话：整理数据

演示数据来自公开数据集 CAMELS-US 里美国俄勒冈州的 Wiley Creek 流域（编号 14187000），整理成了一张普通的 Excel 表。里面是 1995 年 10 月 1 日到 2010 年 9 月 30 日共 5479 天的记录，有降水（mm/day）、最高气温（degC）、最低气温（degC）和流量（mm/day）四个变量，列名里带着单位，整段没有缺测。把这张表拖进对话框，发出第一句话：

这是一个流域的逐日资料：降水单位是 mm/day，最高气温和最低气温单位是 degC，流量单位是 mm/day，没有缺测。出口断面在北纬 44.37°、西经 122.62°。帮我整理好，注册为实验 wiley-creek。

发出去等了约 2 分钟，HydroAI 就处理完了。它先把 5479 行逐日记录从头到尾过了一遍，确认时间连续、没有重复日期也没有缺测，又查了降水没有负值、最高气温没有低过最低气温的，流量也全是正数，最小的一天是 0.062 mm/day。顺手它还按年均值核对了量纲：算出来年均降水约 1900 mm，年均径流深约 1200 mm，径流系数约 0.6，放在喀斯特山脉西坡这种湿润流域里是说得通的。表里的原始数值它一个没改，原样转成 HydroMind 的标准数据格式，在文件里记下出口断面坐标和数据来源，最后又把刚注册好的数据重新读出来核对了一遍。如果你的数据有缺测或者其它任何问题，都可以直接让他检查。

第二句话：训练并检验模型

数据入库后，发出第二句话，提出训练和检验的要求：

用实验 wiley-creek 训练一个 dHBV1.1p 模型：dropout 设为 0.2，batch size 32，最多训练 300 轮，验证期 NSE 连续 15 轮没有提高就停。1995-10-01 到 2005-09-30 训练，2005-10-01 到 2007-09-30 验证，2007-10-01 到 2010-09-30 检验，用显卡训练。训练完告诉我检验期的 NSE，并画出检验期实测和预测流量的过程线。

这里先交代一句：句子里写的 dropout、batch size、早停这些都是深度学习的训练设置，平时看不懂没关系，完全不用自己去学。不知道怎么设，直接问 HydroAI 就行，它会告诉你每个参数是干什么的、这次需要设哪些、建议设成多少以及为什么这么建议。这次演示里的这几个值，是演示前在验证期上试了几组选出来的。

HydroAI 可以帮你完善输入数据

这句话里没有提到表里缺什么。这张 Excel 表只有降水、最高气温、最低气温和流量，但 dHBV1.1p 的接口要求输入降水、气温和潜在蒸散发（PET）三项，同一个物理量还得用两组不同的变量名各输一次（一组做数据换算，一组保留物理量纲），另外至少还要带一项流域属性。

HydroAI 读完模型要求，中间没有停下来提问，自己把缺的输入推导补齐了。它取最高和最低气温的均值当平均气温，又拿最高、最低气温加上第一句话里给的出口纬度，用 Hargreaves 公式算出了 PET，年均约 925 mm。流域属性那栏它填了流域面积 135 平方公里，单流域训练里这数其实是个常数，本身没有有效信息，纯粹因为接口要求必须有这一项。它专门另存了一份数据 wiley-creek-dhbv，原来的 wiley-creek 不动，正式训练前还先拿一小段数据试跑了一下，确认能跑通，才开始训练，并在回复里说明：

“dHBV1.1p 的接口要求输入降水、气温、PET 三要素，且同一物理量要以两组不同变量名分别输入（一组归一化、一组保持物理量纲）。你给的表只有降水和最高/最低气温，所以我做了以下推导，并另注册了一个派生实验 wiley-creek-dhbv（原 wiley-creek 保持不变）”

“这是估算值而非观测，看你结果时请记住这一点；若有实测 PET，可换掉重训。”

训练跑完，确定性系数（NSE）在训练期是 0.933，验证期是 0.946，没参与训练的 3 年检验期（2007-10-01 到 2010-09-30，共 1096 天）算出来是 0.878。HydroAI 随后又拿预测序列自己重算了一遍检验期 NSE，两个数完全一致。

它还按要求把实测和预测流量的过程线直接画在了对话框里，除了 3 年检验期的全段，也单独给了一张 2009 水文年的局部放大图。

当然，0.878 是照着上面那句话跑了一把的结果，这句话只要求训练和检验，没让它想办法提精度，算不上 HydroMind 能做到的上限。平时真做项目，顺着对话框接着往下聊就行，比如让它查查误差主要出在哪，换别的模型结构试试，或者拿实测 PET 替掉估算值，多试几次再挑,在本例子中，实测可以把NSE提升到0.96。

第三句话：把模型做成接口，接入数字孪生系统

模型训练、检验完后，发出第三句话，让它把模型部署成服务：

把刚才训练出的最好的检查点做成部署，部署 ID 叫 wiley-creek-flow。部署好后告诉我调用地址和请求格式。

大概等了 3.5 分钟，HydroAI 就挑出验证期表现最好的模型做成了部署，把调用地址和请求格式发了出来。这里的接口程序它也没现写，直接调用 HydroMind 自带的部署功能，所有模型上线走的都是同一套测过的程序。

调这个接口也很省事，调用方只传原始的观测值，不用自己换算。训练时对数据做过的换算（归一化），参数都跟模型存在一起，不用担心两边换算不一致把数算错，模型内部要用的另一组特征也由服务端自己补齐。调的时候只要传前 365 天的历史加上预报当天共 366 个降水、气温和 PET，再加上流域面积；让数字孪生系统的技术人员把它们对到 inputs 里的 rainfall_mm_day、tmean_c、pet_mm_day 和 area_km2（填 [[135.0]]）就行：

{  "inputs": {    "rainfall_mm_day": [[0.0], [3.2], "… 366 values …"],    "tmean_c":         [[4.1], [3.8], "…"],    "pet_mm_day":      [[1.2], [1.1], "…"],    "area_km2":        [[135.0]]  }}

服务跑起来以后，HydroAI 又自己从检验期抽真实数据组了 4 个请求去调接口，每次拿回来的值都跟同一天的离线批量预测一致，只差在小数点后很多位上。像 2009-01-02 那天，两边算出来都是 31.9669 mm/day，线上接口报的数跟检验期打分用的完全对得上。临了它还提醒了一句，线上预报的时候 PET 得用同样的 Hargreaves 公式去算。

整套流程里，这一步最关键。模型做出来以后，真要往水文局、水利局、设计院的业务系统或者数字孪生平台上接，不用再专门找人写一遍接口程序了：业务系统只要按约定格式发来前 365 天的降水、气温和 PET，再加上要预报那一天的这三项，就能拿回那一天的流量预报。实际作业预报时，预报日那三项直接用天气预报的值，PET 由预报气温算出来就行。

考虑到业务系统最怕悄悄算错数，接口对输入输出卡得很严。要是发来的请求跟部署公开的输入输出说明对不上，比如漏了变量、时间步数不对，接口会直接报错拦下来，不会糊里糊涂算出一个错数。以后训出了更好的模型想换上去，如果新模型要求的输入跟旧的不一样，HydroMind 也会拒绝替换，让原来的部署照常跑着，不影响正在调它的系统。

换自己的数据，或者接你顺手的 AI 助手

你手头的 Excel 或 CSV 文件直接喂进去就行，几乎支持所有的表格文件。不用提前套模板，逐小时、逐月的资料或者多个流域合在一起训练也都支持。要是你电脑上平时已经在用 Claude Code、Codex、opencode、WorkBuddy、DeepSeek Harness 这类第三方 AI 助手，也不用非得在软件自带的 HydroAI 里聊，直接拿它们来操作 HydroMind 就行，官网文档的「用第三方 AI 助手」那一页写了接法。

想上手试试

官网地址是 hydromind.funzzz.top，从注册、花0.01元买许可证、下载安装包，到装好之后的第一次设置，官网和文档里都有说明。

在线许可证是 60 天 0.01 元。软件原本打算免费，但在线许可证每次启动都要联网向官网请求授权，要是完全免费，很容易有人拿脚本批量注册账号来挤占官网。象征性的收费、走实名的支付宝付一下，真正想用的同行基本不花什么钱，脚本就没法批量注册了。

非个人用户（政府部门、高校、企事业单位等）请联系作者，单位内网里不能上网的电脑要用离线许可证，也请联系作者。要是单位有保密要求，HydroAI 还可以接单位自己部署的大模型。联系方式在官网 → 文档 → 概览 的最后一节「联系我们」里。也可以进入QQ群联系我们：

想看详细文档，点文末「阅读原文」，打开的是这篇文章在HydroMind官网博客里的版本，文档链接都能直接点。也可以进官网，按下面的路径找：

• • 准备自己的数据：官网 → 文档 → 建模 → 「准备自己的数据」
• • 换别的模型：官网 → 文档 → 建模 → 「怎样选模型」（内置 85 个模型，包括可微新安江）
• • 部署和接入：官网 → 文档 → 部署 → 「创建和管理部署」「在其他系统里调用」
• • 用 Claude Code、Codex 等第三方 AI 助手：官网 → 文档 → 安装与运维 → 「用第三方 AI 助手」
• • 许可证的购买、续期和换电脑：官网 → 文档 → 安装与运维 → 「许可证和账户」