Целью исследований явилось решение задачи повышения эффективности обнаружения крупных предприятий-загрязнителей природной воды из числа многих водопользователей промышленного региона. Для достижения цели были использованы искусственные нейронные сети (ИНС), позволяющие выявлять и оценивать веса связей между статистическими данными, что важно для изучения динамики формирования качества воды в условиях его пространственно-временной вариабельности. Работа выполнена на примере имеющихся 250 измерений концентрации каждого из четырех приоритетных металлов на гидрохимических створах р. Исеть в зоне г. Екатеринбурга. Нейросетевой анализ позволил обнаружить взаимозависимости отдельных показателей качества воды на соседних створах: в пунктах выше г. Екатеринбурга (+5,2 км, створ 1), в городе (створ 2) и ниже его (–4 км, створ 3), итого в 3 × 4 × 250 = 3000 точках. Было установлено, в частности, что влияние содержания никеля в воде створа 2 на концентрацию других металлов створа 3, особенно на цинк, является достаточно высоким, так что коэффициент корреляции оказывается не ниже 0.6. Подобные результаты позволили установить логистические хозяйственные связи водопользователей и упростить идентификацию загрязнителей воды по «водному следу», оставленному предприятиями-смежниками. Тем самым показано, что ИНС обеспечивает выявление техногенного снижения качества воды на фоне ее природного загрязнения одними и теми же веществами. Достоверность выводов подтверждается возможностью удовлетворительно предсказывать качество воды створа, расположенного ниже по течению реки, по данным для створа, расположенного выше, как это установлено в работе путем прогноза качества воды с помощью ИНС. //The aim of the work was to solve the problem of increasing the efficiency of identifying large enterprises that pollute natural water from among many water users of the industrial region. For this purpose, artificial neural networks (INS) were used to detect and evaluate the weights of connections between statistical data, which is important for studying the dynamics of water quality formation in conditions of its spatial and temporal variability. The work was carried out on the example of the available 250 measurements of the concentration of each of the four priority metals at the hydro chemical gates of the Iset River in the area of Yekaterinburg. Neural network analysis made it possible to detect the interdependencies of individual water quality indicators at neighboring sites. At points above Yekaterinburg (+5.2 km, target 1), in the city (target 2) and below it (–4 km, target 3), in total at 3 × 4 × 250 = 3000 points. It was found, in particular, that the effect of the nickel content in the water of the gate 2 on the concentration of other metals of the gate 3, especially zinc, is quite high, so that the correlation coefficient is not lower than 0.6. Such results made it possible to identify the logistical economic ties of water users and simplify the identifi cation of water pollutants by the “water footprint” left by related enterprises. Thus, it is shown that the INS provides the identification of a man-made decrease in water quality against the background of its natural pollution with the same substances. The reliability of the conclusions is confirmed by the ability to satisfactorily predict the water quality of the section located downstream of the river, according to the data for the section located above, as established in the work by predicting water quality using the INS.