Las aplicaciones de modelos de inteligencia artificial (IA) han sido ampliamente exploradas en varios campos de la ingeniería y las ciencias durante las últimas dos décadas. Su capacidad para modelar problemas complejos confirmó y motivó a los investigadores a explorar su valía en diferentes disciplinas. El uso de dos modelos de IA (red neuronal probabilística y red neuronal de perceptrón multicapa) para la estimación de dos indicadores de calidad del agua diferentes (a saber, oxígeno disuelto (OD) y demanda bioquímica de oxígeno de cinco días (DBO5)) se informó en este estudio. La estimación de los parámetros de calidad del agua se basó en cuatro escenarios de modelado de entrada. Los datos mensuales de los parámetros de calidad del agua para el período de enero de 2006 a diciembre de 2015 se utilizaron como datos de entrada para la construcción del modelo de predicción. El modelado propuesto se estableció utilizando muchas variables físicas y químicas, como turbidez, calcio (Ca), pH, temperatura (T), sólidos totales disueltos (STD), sulfato (SO), sólidos suspendidos totales (SST) y alcalinidad como variables de entrada. Los modelos propuestos fueron evaluados en cuanto al rendimiento utilizando diferentes métricas estadísticas y los resultados de la evaluación mostraron que el rendimiento de los modelos propuestos en términos de precisión de la estimación aumenta con la adición de más variables de entrada en algunos casos. El rendimiento del modelo PNN fue superior al del modelo MLPNN en la estimación de los parámetros tanto de OD como de DBO5. El estudio concluyó que el modelo PNN es una buena herramienta para estimar los parámetros de calidad del agua. Los indicadores de evaluación óptimos para PNN en la predicción de DBO5 son (R = 0.93, RMSE = 0.231 y MAE = 0.197). Los mejores indicadores de rendimiento para PNN en la predicción de OD son (R = 0.94, RMSE = 0.222 y MAE = 0.175).