W praktyce eksploatacyjnej systemów dystrybucji wody brak jest wdrożenia zaawansowanych narzędzi przetwarzania i analizowania danych monitoringowych. Dotyczy to wielu poziomów zarządzania wodociągami, w ramach których dochodzi do rejestracji pomiarów, najczęściej tworzących nieinterpretowalne zbiory danych. Wraz z pojawieniem się możliwości rejestracji danych, które można określić mianem wysokoczęstotliwościowych, istnieje potrzeba równoległego wdrażania odpowiednich technik z zakresu data science, stanowiących podstawę mądrych czy też inteligentnych sieci wodociągowych. By spełnić założenia dotyczące implementacji inteligencji na poziomie wodomierzy, koniecznym jest umożliwienie pomiaru zużycia wody z precyzyjnym interwałem pomiarowym oraz zaawansowanej analizy danych, które skutkować powinny efektywnym wnioskowaniem i zarządzaniem systemami dystrybucji wody. W niniejszym artykule zaprezentowano wyniki zastosowania modeli uczenia maszynowego w celu predykcji krótkoterminowej zużycia wody dla budynków wielorodzinnych. Do prognozowania zużycia wody wykorzystano modele liniowe, proste modele sieci neuronowych, algorytm najbliższych sąsiadów oraz drzewa decyzyjne. W ramach przeprowadzonych badań ocenie poddano cechy wyekstrahowane z przebiegu zużycia wody wraz z kombinacjami ich zestawów podawanymi na wejściu regresora. Zweryfikowano także, jak stopień agregacji danych oraz struktura budynku wpływają na błąd prognozowania.