Debido a la frecuente ocurrencia de fenómenos climáticos extremos en los últimos años, la predicción precisa del escurrimiento es crucial para la planificación racional y gestión de los recursos hídricos. Abordando la alta incertidumbre y múltiples factores influyentes en la predicción del escurrimiento, este artículo propone un método de predicción de escurrimiento impulsado por datos de múltiples fuentes. Basado en datos observados multivariados de escurrimiento, nivel de agua, temperatura y precipitación, se propone un modelo Time2Vec-TCN-Transformer para la investigación de predicción de escurrimiento y se compara con modelos LSTM, TCN y TCN-Transformer. Los resultados muestran que el modelo Time2Vec-TCN-Transformer supera a otros modelos en métricas como MAE, RRMSE, MAPE y NSE, demostrando una mayor precisión y confiabilidad en la predicción. Al combinar de manera efectiva Time2Vec, TCN y Transformer, el modelo propuesto mejora el MAPE para pronosticar de 1 a 4 días en el futuro en aproximadamente un 7% en comparación con el modelo LSTM tradicional y un 4% en comparación con el modelo TCN independiente, manteniendo el NSE consistentemente entre 0.9 y 1. Este modelo puede capturar mejor la periodicidad, la información a largo plazo y las relaciones entre múltiples variables de los datos de escurrimiento, proporcionando un soporte predictivo confiable para la predicción de inundaciones y la gestión de recursos hídricos.