In South Korea, a water supply enhancement project is being carried out to preemptivelyrespond to drought and water loss by reducing pipeline leakages and supplying stable tap waterthrough the maintenance of an aging water supply network. In order to reduce water leakage, aDistrict Metered Area (DMA) was established to monitor and predict the minimum night flow basedon flow data collected from IoT sensors. In this study, a model based on Multi-Layer Perceptron(MLP) and Long Short-Term Memory (LSTM) was constructed to predict the MNF (minimum nightflow) of County Y. The prediction of MNF results was compared with the MLP networks and theLSTM model. The outcome showed that the LSTM-MNF model proposed in this study performedbetter than the MLP-MNF model. Therefore, the research methods of this study can contribute totechnical support for leakage reductions by preemptively responding to the expected increase inleakage through the prediction of the minimum flow at night.