Dự báo ngắn hạn mực nước sông đóng vai trò quan trọng trong quản lý rủi ro lũ lụt và quy hoạch tài nguyên nước. Nghiên cứu này đề xuất một phương pháp dự báo lai kết hợp giữa mô hình LightGBM và mạng nơ-ron hồi tiếp LSTM nhằm nâng cao độ chính xác dự báo cho chuỗi thời gian thủy văn. Trong phương pháp đề xuất, LightGBM trước tiên được sử dụng để khai thác các mối quan hệ phi tuyến giữa các biến đầu vào trễ và mực nước sông, trong khi mô hình LSTM học các phụ thuộc theo thời gian còn lại thông qua cơ chế mô hình hóa phần dư. Để đánh giá hiệu quả của phương pháp, bộ dữ liệu mực nước sông mô phỏng được xây dựng nhằm tái hiện các đặc trưng thủy văn, như tính mùa vụ và các dao động ngẫu nhiên. Kết quả thực nghiệm cho thấy mô hình lai LightGBM-LSTM vượt trội so với các mô hình LightGBM và LSTM riêng lẻ trên nhiều chỉ số đánh giá, bao gồm MAE, RMSE, NSE và R². Cụ thể, mô hình lai đạt sai số dự báo thấp nhất và giá trị độ phù hợp cao nhất, cho thấy độ chính xác và tính ổn định dự báo được cải thiện đáng kể. Những kết quả này cho thấy việc kết hợp các mô hình học máy dựa trên cây với mạng nơ-ron hồi tiếp sâu là một hướng tiếp cận có triển vọng cho bài toán dự báo chuỗi thời gian thủy văn.