Harmful algal blooms have recently become a critical global environmental concern, so predicting dynamic change of them is important to manage aquatic ecosystem. However, the high complex nonlinearity of ecosystem makes it difficult in predicting HABs. Recently, extreme learning machine was reported to have advantages of only requirement of a small amount of samples and high degree of prediction accuracy to solve the nonlinear problems. In this study, the ELM-based prediction models for HABs in 4 weirs of the Nakdong river are proposed to predict HABs. T-N, T-P, N/P ratio, air temperature, solar radiation and rainfall were selected for 4-year (2013?2016) weekly data. The 50% of dataset were applied for training and another 50% of dataset were applied for testing. The prediction powers of 4 weirs had R2 of 0.70, 0.67, 0.73, 0.72 of training and 0.57, 0.81, 0.69, 0.75 of testing. The prediction powers had RMSE of 0.501, 0.567, 0.441, 0.514 for training and 0.625, 0.430, 0.543, 0.440 for testing.