La precisión de la previsión del flujo de los embalses tiene la influencia más significativa en la garantía de estabilidad y operaciones anuales de las hidro-construcciones. Por ejemplo, una previsión precisa sobre el flujo y reflujo del embalse de Hoabinh en Vietnam puede ayudar en la preparación y prevención de inundaciones en tierras bajas y sequías, así como en la regulación de la energía eléctrica. Esto plantea la necesidad de proponer un modelo que pronostique con precisión el flujo entrante del embalse de Hoabinh. En este estudio, se presenta una solución a este problema basada en una red neuronal con el algoritmo de búsqueda del cuco (CS). En particular, utilizamos datos hidrografía y predijimos los flujos totales entrantes del embalse de Hoabinh durante un período de 10 días. Se utilizó el algoritmo de búsqueda del cuco para entrenar la red neuronal de avance (FNN) para la predicción. El algoritmo optimizó los pesos entre capas y los sesgos de la red neuronal. Se desarrollaron diferentes modelos de previsión para los tres escenarios. Los modelos construidos han mostrado un alto rendimiento de previsión basado en los índices de rendimiento calculados. Estos resultados también se compararon con los obtenidos de las redes neuronales entrenadas por la optimización de enjambre de partículas (PSO) y la retropropagación (BP), indicando que el enfoque propuesto tuvo un rendimiento más efectivo. Basado en los resultados experimentales, el escenario que utilizó la lluvia y el flujo como entrada arrojó la mayor precisión de previsión en comparación con otros escenarios. Los criterios de rendimiento RMSE, MAPE y R obtenidos por el CS-FNN en este escenario se calcularon como 48.7161, 0.067268 y 0.8965, respectivamente. Estos resultados estaban altamente correlacionados con los valores reales. Se espera que este trabajo pueda ser útil para la previsión hidrografía.