Tóm tắt: Trong nghiên cứu này, hai mô hình AI là Random Forest (RF) và Support Vector Machine (SVM/SVR) đã được áp dụng thử nghiệm đối với một hồ chứa lớn-hồ Sông Hinh trên lưu vực Sông Ba, Việt Nam. Ba trường hợp tính toán là dự báo lưu lượng trung bình 3 ngày, 7 ngày và 1 tháng (tương ứng với ngắn, trung và dài hạn) đến hồ sử dụng số liệu khí tượng, thủy văn trong khu vực đã được xây dựng để kiểm nghiệm khả năng dự báo của hai mô hình RF và SVR. Kết quả cho thấy, cả hai mô hình đều đưa ra kết quả dự báo với độ chính xác cao thể hiện qua chỉ số NSE trung bình đạt trên 0,8, đặc biệt trong một số trường hợp tính toán như dự báo lưu lượng trung hạn và dài hạn, chỉ số NSE trung bình trên 0,9. Trong 2 mô hình được thử nghiệm thì mô hình SVR nhìn chung cho kết quả tốt nhất đối với dự báo ngắn và dài hạn, trong khi đó mô hình RF lại cho thấy sự vượt trội ở dự báo trung hạn. Các mô hình AI thử nghiệm đều không dự báo chính xác một cách đồng nhất dòng chảy lũ do các mô hình không được huấn luyện tập trung vào dự báo dòng chảy lũ mà ưu tiên vào quá trình dòng chảy. Bên cạnh đó, việc lựa chọn số liệu đầu vào có độ tương quan cao với lưu lượng đến hồ đóng vai trò quan trọng trong việc nâng cao hiệu quả dự báo của mô hình. Đây hoàn toàn có thể là một phương án bổ sung cho công tác dự báo lưu lượng tới hồ bên cạnh các cách tiếp cận đang được sử dụng hiện nay.