댐 저수지 수온 변화를 예측하기 위해서는 유입 하천의 시간별 수온 모니터링이 필수적이며, 많은 댐에서 주요 유입 하천에 실시간 계측기를 설치하여 운영하고 있다. 실시간 수온 모니터링 자료를 활용하기 위해서는 오·결측 관리가 필요하며, 이를 보완하기 위해 머신러닝 기법으로 기상자료를 활용하는 연구가 많이 진행되고 있다. 본 연구에서는 합천댐 저수지 수온 모델링 입력자료로 활용되는 유입 하천의 실시간 수온 모니터링 지점을 대상으로, 기상자료와 수온과의 다중회귀분석, 랜덤포레스트 기법을 통한 수온 예측 알고리즘을 개발하였다. 더 나아가 기후변화 시나리오(SSP2-4.5)에 의한 장래(2021~2100년) 수온 변화를 예측하여 시기별 합천댐 유입 수온 자료를 생성하고, 시기별 수온 변화를 분석하였다. 머신러닝 적용을 위하여 기상청 종관기상관측(ASOS) 자료의 최근 5년간(2018~2022)의 기상자료(기온·상대습도·풍속·일사량)를 독립변수로, K-water의 ‘거창2’ 지점 수온 자료를 종속변수로 설정하였고, 풍수기인 2010년과, 갈수기인 2017년을 학습된 머신러닝 기법의 검증을 위한 테스트 자료로 활용하였다. 학습 결과, 다중회귀분석은 R²가 0.83, RMSE가 2.54이었으며, 랜덤포레스트의 R²는 0.96, RMSE는 1.15로 나타나 다중회귀분석에 비해 정확도가 개선된 랜덤포레스트 기법을 최종 결과로 선정하였다. 선정된 랜덤포레스트 기법을 사용하여 장래 수온 예측을 위해 2021~2040년, 2041~2060년, 2061~2080년, 2081~2100년으로 나누어 예측하였고, 최근 5년간(2018~2022)의 기상자료를 바탕으로 예측한 평균 수온에 비해 각각 0.11℃, 0.63℃, 1.05℃, 1.36℃가 증가하는 것으로 분석되었다. 본 연구는 댐 저수지 유입 하천 수온의 오·결측 관리뿐만 아니라 저수지 수온 변화 모델링을 위한 입력 자료로도 활용성이 있으며, 기후변화에 따른 수온 변화와 하천 생태계 관리를 위한 기초자료로 활용될 수 있을 것으로 판단된다.