Zadania lokalizacji miejsc wycieków i awarii w sieciach wodociągowych (WDN) wymagają posiadania wiarygodnego modelu WDN. W tym celu przeprowadza się kalibrację, czyli uzgodnienie wyników symulacji hydraulicznej z wynikami pomiarów przez dostosowanie parametrów modelu, przede wszystkim wspołczynników chropowatości rurociągów. W najnowszych publikacjach proponowane są algorytmy kalibracji rozszerzone o komponent sieci neuronowej (ANN), której zadaniem jest zwiększenie wiarygodności wyniku kalibracji poprzez estymację ciśnienia referencyjnego we wszystkich punktach modelu WDN na podstawie danych pomiarowych.

W toku  realizacji projektu wykonano studium przypadku zastosowania algorytmu kalibracji z komponentem ANN do rzeczywistego modelu WDN i unikalnych pomiarów, uzyskanych dzięki badaniom w projekcie WaterPrime. Przeprowadzono badania algorytmu i przedstawiono propozycje jego rozwoju poprzez modyfikację istniejącego komponentu ANN oraz wprowadzenie grupowania rurociągów przed właściwym etapem kalibracji.