Modelar el flujo de agua es esencial para entender la inundación del flujo. Tradicionalmente, esto implica modelos hidrológicos y numéricos. Esta investigación introduce un marco que utiliza modelado basado en agentes (ABM) combinado con modelado basado en datos (DDM) e Inteligencia Artificial (IA). Un modelo impulsado por agentes simula el flujo de agua y sus interacciones con los cursos de los ríos y su entorno, considerando fenómenos hidrológicos relacionados con la precipitación, el nivel del agua y el caudal, así como las características del canal y la cuenca que causan el aumento de los niveles de agua en el río Medio. Se utilizó un conjunto de datos de cinco años de mediciones horarias de precipitación, nivel del agua y caudal para simular el flujo de agua. La precisión del modelo se evaluó utilizando métricas estadísticas como el coeficiente de correlación (r), el coeficiente de determinación (R2), el error cuadrático medio (RMSE) y el porcentaje de error en el caudal máximo (Qpk). El caudal máximo simulado por el ABM (Qpk) se comparó con el caudal máximo medido en cuatro escenarios experimentales. Las mejores simulaciones ocurrieron en el escenario 3, utilizando solo datos de lluvia y flujo de agua. La gestión y visualización de datos facilitaron la entrada, salida y análisis. El ABM de este estudio combinado con DDM e IA ofrece un enfoque novedoso para simular el flujo de agua y predecir inundaciones. Estudios futuros podrían extender este marco a otras cuencas fluviales e incorporar datos de sensores avanzados para mejorar la precisión y la capacidad de respuesta de la predicción de inundaciones.