پیش‌بینی تقاضای آب شهری کمک مؤثری به مدیران و بهره‌برداران سیستم‌های آب شهری می‌باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپ‌ها، شیرآلات و تصفیه‌خانه‌ها اقدام نمایند. مصرف کوتاه‌مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرایط اقلیمی و هواشناسی، مناسبت‌های فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می‌باشد. به دلیل همین تنوع، پیش‌بینی مصرف کوتاه‌مدت به‌صورت تحلیلی بسیار مشکل و یا ناممکن می‌باشد. در این شرایط استفاده از سیستم‌های هوشمند مانند شبکه‌های عصبی مصنوعی می‌تواند به‌عنوان یک گزینه راهگشا مطرح گردد. در این تحقیق با استفاده از شبکه‌های عصبی پرسپترون چندلایه و با الگوریتم آموزشی پس انتشار خطا، میزان مصرف یک‌روزه آب شهر همدان بر اساس پارامترهای هواشناسی و داده‌های تاریخی مصارف گذشته پیش‌بینی می‌شود. نتایج این تحقیق نشان می‌دهد که با اطلاعات محدود قابل‌دسترس، شبکه عصبی با دولایه نهان که به ترتیب دارای یک و هفت نرون می‌باشند توانسته است میزان تقاضای روزانه آب شهر همدان را با ضریب همبستگی بیش از ۸5 درصد و خطای متوسط حدود دو درصد تخمین بزند. بدیهی است با افزایش تعداد داده‌ها در یک دوره زمانی گسترده‌تر، میزان دقت مدل قابل‌بهبود می‌باشد. در این مقاله همچنین با استفاده از شبکه‌های عصبی مصنوعی، یک فرمول ساده برای پیش‌بینی میزان مصرف روزانه آب شهر همدان تولیدشده است و با ورود داده‌های درجه حرارت هوا و مصرف آب روز قبل، میزان مصرف روز بعد به دست می­اید. نتایج این تحقیق نشان می‌دهد که این فرمول قادر است میزان تقاضای روزانه آب شهر همدان را با میانگین خطای مطلق حدود 75/2 درصد، تخمین بزند.