Долгосрочное прогнозирование характеристик водного режима является важной водохозяйственной задачей. На практике такое прогнозирование с заблаговременностью от одного месяца и более может осуществляться в рамках двух вероятностных подходов. В основе первого подхода лежит теория, предложенная в работах Бокса и Дженкинса и реализованная в методе авторегрессии проинтегрированного скользящего среднего. Второй подход заключается в применении возможностей обучения искусственных нейронных сетей. В работе представлены результаты прогнозирования среднемесячных уровней воды на примере озера Ильмень с заблаговременностью от 1 до 12 месяцев. Проведено сравнение двух методов, показана сопоставимость результатов прогнозирования.