In recent years, the application of the Machine Learning (ML) method in analyzing and studying hydrological problems is increasingly becoming common. The numerical models based on ML algorithms have been widely used for predicting river water levels or flowrate. This paper proposes a new approach using one of the applications of deep learning models to predict river water levels in irrigation systems. A predictive model has been developed based on the Long Short-Term Memory (LSTM) neural networks to forecast the water levels upstream of Tranh Culvert in the Bac Hung Hai irrigation system in Vietnam. The findings of this study indicate that although only a modest amount of data is required, the proposed model produced superior results. These results can be used to construct an operating regime for irrigation sluice gates in the Bac Hung Hai system.Trong những năm gần đây, việc áp dụng phương pháp Học máy (ML) trong phân tích và nghiên cứu các vấn đề thủy văn, thủy lực ngày càng trở nên phổ biến. Các mô hình số dựa trên thuật toán ML đã được sử dụng rộng rãi để dự báo mực nước sông hoặc lưu lượng dòng chảy. Bài báo này đề xuất một cách tiếp cận mới bằng việc sử dụng một trong những ứng dụng của mô hình học sâu để dự báo mực nước sông, kênh trong các hệ thống thủy lợi. Một mô hình dự báo đã được phát triển dựa trên mạng nơ ron Bộ nhớ gần xa (LSTM) để dự báo mực nước ở thượng lưu Cống Tranh trong hệ thống thủy lợi Bắc Hưng Hải ở Việt Nam. Nghiên cứu này cho thấy, với một lượng dữ liệu khiêm tốn, mô hình mà tác giả đề xuất đã tạo ra kết quả vượt trội. Có thể sử dụng các kết quả này để xây dựng chế độ vận hành cho các cống tưới - tiêu trong hệ thống Bắc Hưng Hải.