W artykule podjęto problematykę prognozowania jakości wody w zbiorniku retencyjnym „Sosnówka”. Wody gromadzone w tym zbiorniku są źródłem wody surowej dla zakładu uzdatniania wody o wydajności 25 tys. m3·d-1. Analizie poddano wskaźniki jakościowe wody retencjonowanej w zbiorniku oraz jego dopływów w okresie dwóch lat. Na podstawie badań ustalono, że woda w zbiorniku charakteryzuje się dużą zmiennością barwy, mętności i odczynu. Woda ma niską zasadowość i twardość. Stężenia związków azotowych i fosforanów są niskie. Do prognozowania wybranych wskaźników jakości wody gromadzonej w zbiorniku posłużono się siecią neuronową typu Flexible Bayesian Models (FBM). W analizie wykorzystano model regresyjny, w którym zmiennymi objaśnianymi stanowią zmienne ciągłe: barwa, mętność, odczyn, twardość i zasadowość wody, w oparciu o cztery zmienne objaśniające: czas, stan wody w zbiorniku, opad dobowy w zlewni i temperatura wody. Uczenie sieci oparto na zgromadzonych danych historycznych opisanych w badanym okresie. Uzyskane wyniki wskazują, że sieci neuronowe mogą być wykorzystywane do prognozowania jakości wody w zbiornikach retencyjnych.