Представлена методика определения потерь давления на трение в медном трубопроводе постоянного круглого сечения. Дано описание лабораторной установки и перечня измерительных приборов, необходимых для ее реализации по предложенному алгоритму. Основные этапы экспериментальной работы включают в себя: подачу воздуха в трубопровод центробежным вентилятором; определение геометрических показателей трубопровода; измерение температуры воздуха в помещении термогигрометром, скорости движения воздуха на выходе из трубопровода термоанемометром, перепадов (потерь) давления воздуха на участках прямолинейного трубопровода дифференциальным манометром. По экспериментальным данным выполнено определение потерь напора на трение на исследуемом участке трубопровода с последующей оценкой погрешности результатов косвенных измерений. Проведено сравнение полученных результатов с теоретическими данными (номограммы И.И. Никурадзе), подтверждающее их достоверность, выполнена оценка сходимости полученных результатов. Знание подобного рода инженерно-технических и научных решений позволит качественно выполнять контроль потерь и падений давления в трубопроводах, подбирать необходимое гидравлическое оборудование (нагнетатели), избегать аварийных ситуаций при эксплуатации инженерных систем жизнеобеспечения. //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.