Master thesis: Exploring rag using Langchain in Taiwan LLM model based on LLAMA3, Taide

La modélisation hydrodynamique est cruciale pour la prévision des crues et la gestion des ressources en eau, particulièrement dans les régions sujettes aux catastrophes naturelles comme Taïwan. Bien que le modèle Sedimentation and River Hydraulics – One Dimension (SRH-1D) soit largement utilisé pour simuler les systèmes fluviaux, il est confronté à des limitations significatives telles qu'une forte dépendance à l'intervention humaine, une charge computationnelle élevée et une faible adaptabilité aux flux de données en temps réel. Cette recherche aborde ces défis en explorant l'intégration d'agents intelligents basés sur l'intelligence artificielle (IA), notamment les Large Language Models (LLMs) et la génération augmentée par récupération (RAG), afin d'automatiser et d'améliorer les simulations du modèle SRH-1D, renforçant ainsi les capacités de gestion des risques d'inondation.

Chercheurs en intelligence artificielle, ingénieurs hydrauliciens, hydrologues, spécialistes de la gestion des catastrophes naturelles et décideurs politiques impliqués dans la gestion des ressources en eau.

Cette étude explore l'intégration d'un agent intelligent basé sur l'intelligence artificielle (IA) au sein du modèle Sedimentation and River Hydraulics – One Dimension (SRH-1D) pour automatiser la simulation hydrodynamique et améliorer la gestion des risques d'inondation, notamment à Taïwan. Le modèle SRH-1D traditionnel souffre de la nécessité d'interventions manuelles importantes, d'une lourdeur computationnelle et d'une adaptabilité limitée aux données en temps réel. Pour surmonter ces contraintes, un système autonome est développé, tirant parti des Large Language Models (LLMs) et de la génération augmentée par récupération (RAG). Ce système est conçu pour exécuter les simulations SRH-1D de manière autonome, identifier les tronçons fluviaux à risque d'inondation et générer des rapports de décision en temps réel. L'architecture modulaire de LangChain facilite l'interaction fluide entre l'agent IA, le simulateur hydraulique et le RAG, permettant à l'assistant intelligent d'interroger dynamiquement les données hydrologiques et de lancer des simulations prédictives. Les évaluations expérimentales démontrent une réduction notable de l'intervention humaine et de la charge computationnelle, ainsi qu'une amélioration significative de la détection des zones à risque d'inondation. Cette approche innovante fournit des analyses hydrodynamiques enrichies pour une prise de décision en temps réel et ouvre des perspectives pour des applications avancées en Disaster Risk Management et en aménagement hydraulique, contribuant au développement d'outils d'IA fiables pour une gestion proactive des ressources en eau, grâce à l'automatisation des processus.