Dự báo thời tiết là bài toán có tính thực tiễn và có ý nghĩa quan trọng đối với ngành nông nghiệp, công nghiệp và dịch vụ. Đã có nhiều phương pháp đề xuất để dự báo thông số thời tiết này [3, 7, 8, 10], tuy nhiên các thông số của mô hình dự báo phụ thuộc vào điều kiện địa lý và sự phát triển kinh tế của khu vực cần dự báo. Do đó, đối với các khu vực dự báo khác nhau cần phải xác định lại các thông số của mô hình hoặc đề xuất mô hình mới phù hợp hơn. Bài báo đề xuất sử dụng mạng SVM (Support Vector Machine) trong mô hình hỗn hợp [2] để dự báo thời tiết (nhiệt độ lớn nhất và nhỏ nhất) trong ngày. Các số liệu đầu vào là giá trị lớn nhất, nhỏ nhất của nhiệt độ, độ ẩm, tốc độ gió và giá trị trung bình của lượng mưa, số giờ nắng ngày trước đó. Đầu vào mô hình được đánh giá và lựa chọn sử dụng thuật toán khai triển theo giá trị kỳ dị SVD (Singular Value Decomposition). Chất lượng của giải pháp đề xuất được kiểm nghiệm trên số liệu quan trắc thực tế (2191 ngày từ 01/01/2010 đến 31/12/2015) ở tỉnh Hải Dương., Tóm tắt tiếng anh, Weather forecast is a practical problem and have important implications for agriculture, industry and other services. There have been different proposed methods to forecast the weather parameters [3, 7, 8, 10], but the parameters of the prediction model depends on the geographical conditions and the economic development of the given area. Therefore, for every new location, we need to find the parameters of the model or to propose a more suitable model. This paper proposes to use the SVM network (Support Vector Machine) in a hybrid model [2] to forecast the daily weather parameters (maximum temperature and minimum temperature). The input data is the historical values of maximum and minimum temperatures, humidity, wind speed and average values of rainfall, sun hours for past days. Model inputs are evaluated and selected using linear decomposition coefficients estimated using SVD (Singular Value Decomposition). The quality of the proposed solution is tested on real environment data (taken from 01/01/2010 to 31/12/2015, 2191 days) of Hai Duong province.