Las aguas subterráneas son un recurso hídrico crucial, especialmente en regiones con agricultura intensiva y clima semiárido, como el Campo de Cartagena (Murcia, España). La salinidad del agua subterránea en la zona puede atribuirse a características hidrogeológicas, aguas de retorno de riego, e incluso intrusión marina y comunicación entre acuíferos. La gestión de estas aguas es esencial para mantener una agricultura sostenible en la zona. Por lo tanto, se desarrollaron dos modelos de predicción de salinidad del agua subterránea, un modelo de red neuronal artificial de retropropagación (ANN) y un modelo de regresión lineal múltiple (MLR), basados en datos de CE (conductividad eléctrica) obtenidos de fuentes de información oficiales. Los datos utilizados fueron las concentraciones de bicarbonato, calcio, cloruro, magnesio, nitrato, potasio, sodio y sulfato, así como CE, pH y temperatura, de 495 muestras de agua de 38 estaciones de muestreo entre 2000 y 2023. Las variables con menos influencia en el modelo fueron descartadas en un análisis estadístico previo. Basándose en siete métricas de evaluación (RMSE, MAE, R, MPE, MBE, SSE y AARD), el modelo ANN mostró una precisión ligeramente mejor en la predicción de CE en comparación con el modelo MLR. Como resultado, el modelo ANN, junto con la tolerancia del cultivo a la CE, puede ser una herramienta efectiva para la gestión del riego de aguas subterráneas en estas áreas.