A reliable model to predict the water levels in a river is crucial for better planning to mitigate any risk associated with flooding. Data-driven models using machine learning (ML) techniques have become an attractive and effective approach to model and analyze river stage dynamics. In this study, threeregression-based models, including Linear Regression (LR), Random Forest Regression (RFR) and Light Gradient Boosting Machine Regression (LGBMR) were developed and compared to predict the daily water levels in Kien Giang river based on collected data from 1977 to 2020. Four evaluation criteria, i.e., R2 , NSE, MAE, and RMSE, were employed to examine the reliability of the proposed models. The results show the high accuracy of the proposed models in predicting water levels, especially the LR model. The LR model outperforms the RFR and LGBMR models with the values of R2 , NSE, MAE and RMSE are 0.959, 0.958, 6.67 cm and 12.2 cm respectively.Mô hình dự báo sự thay đổi của mực nước sông gần đây được sử dụng như một công cụ hỗ trợ cho các nhà quản lý trong việc đề xuất các giải pháp thích ứng và giảm nhẹ rủi ro thiên tai do lũ. Các mô hình định hướng dữ liệu sử dụng phương pháp học máy đã trở thành một cách tiếp cận hấp dẫn và hiệu quả để mô phỏng và dự báo biến động mực nước sông. Trong nghiên cứu này, các mô hình dựa trên phương pháp hồi quy tuyến tính (LR), Random Forest Regression (RFR) và Light Gradient Boosting Machine Regression (LGBMR) được xây dựng để dự đoán mực nước hàng ngày trên sông Kiến Giang dựa trên bộ dữ liệu thu thập từ năm 1977 đến năm 2020. Các chỉ số thống kê R2, NSE, MAE và RMSE được tính toán để kiểm tra độ tin cậy của ba mô hình đề xuất. Kết quả nghiên cứu chỉ ra hiệu quả của các thuật toán hồi quy trong việc dự báo mực nước lũ, đặc biệt là phương pháp hồi quy tuyến tính với các chỉ số R2, NSE, MAE và RMSE lần lượt là 0,959
0,958
6,67 cm và 12,2 cm.