La producción industrial de microalgas es un proceso tan sostenible como interesante en términos de sus diversas aplicaciones, especialmente para el tratamiento de aguas residuales. Su optimización requiere un conocimiento exhaustivo del sistema, que comúnmente se logra a través de modelos que describen su dinámica. Aunque no se utilizan ampliamente en este campo, las redes neuronales artificiales se presentan como una técnica adecuada para desarrollar este tipo de modelo, teniendo la capacidad de adaptarse a problemas complejos y no lineales únicamente a partir de los datos del proceso. En este trabajo, se han desarrollado modelos de redes neuronales para caracterizar la dinámica del pH en dos reactores de circuito abierto diferentes, uno con agua dulce y otro con aguas residuales. Los modelos son capaces de predecir perfiles de pH con un horizonte de predicción de hasta once horas y utilizando únicamente datos del proceso medibles disponibles, como el nivel del medio, la inyección de CO y la radiación solar. Los resultados demuestran el potencial de las redes neuronales artificiales en la modelización de sistemas dinámicos continuos en el campo de la industria, obteniendo modelos precisos y de rápida ejecución que pueden adaptarse a diferentes circunstancias. Además, estos modelos abren el campo al diseño de algoritmos de control basados en modelos impulsados por datos para tener en cuenta la dinámica no lineal de este sistema biológico.