Las inundaciones suelen ocurrir debido a atascos de hielo en invierno o períodos prolongados de precipitación en las estaciones de primavera y verano. Un aumento en la tasa de descarga de agua en el río coincide con un evento de inundación. Esta investigación combina la descomposición de series temporales y el modelo de regresión de series temporales para la predicción de inundaciones en el río Mohawk en Schenectady, Nueva York. La descomposición de series temporales se ha aplicado para separar las diferentes frecuencias en los datos hidrogeológicos y climáticos. Los datos de series temporales se han descompuesto en componentes de largo plazo, de temporada y de corto plazo utilizando el filtro de Kolmogorov-Zurbenko. Para la aplicación del modelo de regresión de series temporales, determinamos los rezagos de las variables hidrogeológicas y climáticas que proporcionan el máximo rendimiento para el modelo. Los rezagos aplicados en las variables predictoras del modelo se han utilizado para la interpretación física del modelo para fortalecer la relación entre la descarga de agua y las variables climáticas e hidrogeológicas. La precisión general del modelo ha aumentado hasta un 73%. Los resultados muestran que al utilizar los rezagos de las variables en el modelo de regresión temporal, la precisión de la predicción ha aumentado en comparación con los datos en bruto por un factor de dos.