Cột ống thép nhồi bê tông (CFST) đã được ứng dụng rộng rãi trong nhiều loại công trình nhờ nhiều ưu điểm vượt trội so với các loại kết cấu khác. Khi sử dụng CFST, điều quan trọng là phải nghiên cứu khả năng chịu nén dọc trục để đảm bảo an toàn vì loại kết cấu này chủ yếu là chịu lực nén. Trong nghiên cứu này, mô hình rừng ng.iu nhiên được áp dụng để dự đoán khả năng chịu lực của cột CFST hình elip dưới tác dụng của tải trọng dọc trục. Bộ dữ liệu gồm 145 kết quả thí nghiệm được thu thập với các thông số đầu vào ảnh hưởng đến khả năng chịu lực của cột CFST, đó là chiều dài của cột, chiều dài trục chính, chiều dài trục nhỏ, chiều de y của ống thép, cường độ chảy của thép và cường độ nén của bê tông, trong khi thông số đầu ra là tải trọng tới hạn của cột CFST khi chịu nén dọc trục. Hiệu suất của mô hình RF được đánh giá bằng cách sử dụng hệ số tương quan (R) và căn của sai số toàn phương trung bình (RMSE). Kết quả cho thấy mô hình RF cho kết quả đáng tin cậy với hệ số tương quan R = 0.19472. Bên cạnh đó, phân tích độ nhạy cho biết mức độ ảnh hưởng của các thông số đầu vào đến giá trị dự đoán, Tóm tắt tiếng anh, Concrete-filled Steel tubular (CFST) has been widely applied in many types of works thanks to many outstanding advantages compared to other structures. It is essential to study the axial compression capacity of CFST to ensure safe use since this type of structure mainly supports compressive loads. In this study, a random forest model (RF) is applied to predict the axial compression capacity of elliptical CFST columns under axial load. The data set includes 145 experimental results collected with input parameters such as the length of the column, length of the main shaft, length of the small shaft, thickness of the steel pipe, yield strength of steel and compressive strength of concrete, while the output parameter is the axial compression capacity of the CFST column when subjected to compression. The performance of the RF model was evaluated using the correlation coefficient (R) and the root mean square error (RMSE). The findings show that the RF model gives reliable results with the correlation coefficient R = 0.9472. Besides, the sensitivity analysis shows the influence of the input parameters on the predicted value.