In order to ensure the stability of tap water production and supply, We developed a system that can pre-verify the AI-based complex sensor before applying it to the water purification plant, which is a demonstration site. The purpose of this study is to develop a chemical input prediction model by collecting and analyzing data related to the amount of chemical input for living water in the aged water purification plant for about two years from December 2019 to December 2021. Through data preprocessing such as removing outliers and generating derivative variables, each tag's outliers were removed, the cycle was set as the average data in the 60-minute section, and the model was trained using the PLS model, and the prediction degree of each model was compared and verified. In the PAC life and industrial chemical flow rate, it was analyzed that the amount of drug input fluctuated in the summer season, and there was a correlation between the amount of inflow and the turbidity and temperature of the inflow. Although the graph form of the measured value and the predicted value in the living and industrial water supply flow rate is similar, there is still a wide difference in value, and the accuracy in the electricity supply of the water intake and water purification plants is also somewhat inferior. The measured values and predicted values were compared for the PAC household and industrial chemical flow rate, household and industrial water supply flow rate, and the total power of the intake and water purification plants, but the accuracy is still somewhat inferior, so it seems necessary to improve the accuracy by securing a larger amount of data in the future.