Độ mặn là một yếu tố quan trọng trong việc xác định nhiều khía cạnh hóa học của nước tự nhiên và các quá trình sinh học bên trong nó. Dự báo độ mặn chính xác có thể hỗ trợ việc ra quyết định quản lý tài nguyên nước để giảm thiểu nguy cơ thiếu nguồn cung cấp nước ngọt ở các cửa sông đông dân cư. Các phương pháp thống kê có chi phí thấp và tốn ít thời gian hơn so với các mô hình số và mô hình vật lý để dự đoán các biến đổi độ mặn của cửa sông. Các công trình nghiên cứu gần đây đã đạt được thành công hợp lý trong việc dự đoán độ mặn. Tuy nhiên, mức độ chính xác của các mô hình đã được đề xuất cần được cải thiện. Bài báo này áp dụng và so sánh các phương pháp học tập thể cho bài toán dự đoán độ mặn. Kết quả thực nghiệm cho thấy nhóm thuật toán Bagging Ensemble Learning cho kết quả tốt nhất.