La previsión precisa de la entrada de agua en los embalses es vital para una gestión efectiva de los recursos hídricos. Las previsiones fiables permiten a los operadores optimizar las estrategias de almacenamiento y liberación para satisfacer las demandas sectoriales en competencia, como el suministro de agua, la irrigación y la programación de la energía hidroeléctrica, al tiempo que se mitigan los riesgos de inundaciones y sequías. Para abordar esta necesidad, en este estudio, proponemos un novedoso modelo de codificador-decodificador (ED) variante en el tiempo diseñado específicamente para mejorar la previsión de la entrada de agua en los embalses a múltiples pasos, permitiendo predicciones precisas de las entradas de agua en los embalses hasta siete días por adelantado. A diferencia de los modelos convencionales ED-LSTM y ED-LSTM recursivos, que utilizan parámetros de codificador fijos o propagan predicciones de manera recursiva, nuestro modelo incorpora una estructura de codificador adaptativa que se ajusta dinámicamente a las condiciones en evolución en cada horizonte de previsión. Además, introducimos el método de Gradientes Integrados de Línea Base Esperada (EB-IGs) para el análisis de la importancia de las variables, mejorando la interpretabilidad de la entrada al incorporar múltiples líneas base para capturar un rango más amplio de condiciones hidrometeorológicas. Los métodos propuestos se demuestran en varios embalses diversos en los Estados Unidos. Nuestros resultados muestran que superan a los métodos tradicionales, particularmente en plazos más largos, al tiempo que ofrecen información sobre los principales impulsores de la previsión de entradas. Estos avances contribuyen a una mejor gestión de los embalses a través de una mayor precisión en las previsiones y conocimientos prácticos para la toma de decisiones en condiciones hidroclimáticas complejas.