Google使用人工智能为印度巴特那地区创建洪水预报系统。而要开发准确洪水预报系统的关键，就是发展洪水泛滥预测模型，把河流中的水量或是预测水量作为模型的输入，仿真水在整个洪泛区的行为，这些仿真信息可以转换成空间风险图，让人们知道哪些区域将被洪水淹没，而哪些地区是安全的。
模型输入数据之一是即时的水量信息，印度中央水利委员每小时会从分布在印度各地的千个水位高度表，汇总水位高度数据，并根据上游测量的结果进行预测，而Google会使用这些数据以及预测结果作为模型输入。
当已经知道河道中有多少水量，接下来便要创建地形高程图，了解精细的地形变化，才能预测洪水的流向，Google使用自家Google Maps卫星图片，经过关联与校正作业后，为每个卫星图像创建了深度图，交叠深度图后期作出高程图，并且移除在仿真中会阻挡水流的树或是桥梁等对象。
一旦有了这些输入，便可以开始创建水力模型，Google采用了物理仿真的建模方法，使用物理定律来计算水流的位置和速度，Google表示，当输入数据非常精确且经高分辨率运算，则得到的结果也会非常准确。
不过，这同时也带来无法估计计算成本的复杂性，因为Google每将分辨率提高1倍，就必须要增加8倍的运算时间。因此为了解决这个问题，Google对水力模型进行优化，除了使用TPU加速运算外，也使用了机器学习代替部分基于物理仿真的算法，扩展离散数据至二维模型，以便以更大的网格覆盖更多的人们。
不过这个水力模型，只是整个洪水泛滥预测模型的一部分，因为使用仿真的方法，终究会有一些不准确的地方，所以Google还以历史数据来修正预测模型。欧洲太空总局从2014年来，便使用卫星识别洪水发生地区，累积了珍贵的洪水发生历史数据集，Google利用这个数据集比对水力模型预测结果，找出结果不一致的地方，并且推测估计可能原因，判断是由于地表改变造成的偏差，抑或是建模不准确造成，来进一步修正模型。