Målet er at udvide anvendelsesområdet for modellering af oversvømmelseshændelser med MIKE 21. Projektet vil fokusere på at udnytte hydrologisk routning i MIKE 21, og udvikle automatisk overgang mellem disse og de eksisterende hydrodynamiske metoder. Desuden vil projektet implementere sub-mesh skala teknikker for at øge nøjagtigheden af oversvømmelsesberegninger. Teknikkerne vil benchmarkes på realistisk stor-skala modeller, der kan validere og demonstrere den kommercielle værdi.

Dette ph.d.-projekt udvikler nye hurtige og nøjagtige surrogatmodel-metoder baseret på fysik-guidet maskinlæring til at emulere DHI's MIKE modeller som bruges til løsning af vandrelaterede klimaudfordringer. Formålet er at opnå markant hurtigere beregninger og derved muliggøre anvendelser som usikkerhedsvurdering og klimascenarier. Fokus er på modelarkitektur med lavere ordens-repræsentation, effektiv træning og integration af fysisk viden for at sikre generalisering, robusthed og stabilitet.