Der er observeret en intensivering i antallet af regnbetingede oversvømmelser forårsaget af kraftig nedbør, hvilket har store økonomiske konsekvenser for såvel berørte borgere som kommuner og forsikringsselskaber. Ved at varsle imod kommende oversvømmelser, får borgere og beredskab muligheden for at foretage afværgende foranstaltninger, inden uheldet er ude. For at være i stand til at varsle en by imod en kommende regnbetinget oversvømmelse, kræver det en model, der beregner oversvømmelsesudbredelse og vandniveau i realtid.

Kernen i varslingssystemet er realtidsmodellen, som udarbejdes med baggrund i surrogat modellering, hvor der opbygges et katalog af responser via simulering af historisk observeret nedbør, igennem en MIKE FLOOD model. Responserne i kataloget afslører, hvorledes ovsersvømmelsesgivende regnhændelser er korreleret til oversvømmelsesudbredelse samt vandniveauet over terræn. Denne viden anvendes i realtidsmodelleringen, som bygger på metoderne; logistiske funktioner og neurale netværk.
Derudover undersøges potentialet for at anvende kunstigt konstrueret nedbør til udarbejdelsen af en realtidsmodel.

Det kan konkluderes, at det er muligt at anvende neurale netværk til modellering af oversvømmelsesudbredelse samt vandniveau over terræn med høj præcision, i realtid. Realtidsmodellen med baggrund i logistiske funktioner har ligeledes vist sig anvendelig til at modellere oversvømmelsesudbredelse. Dette skyldes, at middelintensiteten over forskellige regnvarigheder af en regnhændelse, i høj grad er korreleret til oversvømmelsesudbredelsen.\\Desuden konkluderes det, at CDS-regn kan anvendes til opbygning af en realtidsmodel, der med tilfredsstillende præcision modellerer responsen i systemet ud fra en regnhændelse.