Este estudio evalúa de manera innovadora los componentes del flujo del río Mun en Tailandia, integrando redes neuronales artificiales (ANN) y análisis de mezcla de end-members isotópicos (IEMMA). Cuantifica las contribuciones del río Mun Superior (UMR) y del río Chi (CR) al flujo total, revelando una discrepancia en sus contribuciones estimadas. El método ANN predice que el UMR y el CR contribuyen aproximadamente con un 70.5% y un 29.5% respectivamente, mientras que IEMMA indica una disparidad más pronunciada con un 84% del UMR y un 16% del CR. Esta divergencia resalta las perspectivas distintas de ANN, que se centra en los patrones de datos hidrológicos, e IEMMA, que enfatiza las firmas isotópicas. A pesar de las discrepancias, ambos métodos validan al UMR como un contribuyente significativo al flujo total, destacando su utilidad en la investigación hidrológica. Los hallazgos enfatizan la complejidad de los sistemas fluviales y abogan por un enfoque integrado del análisis del flujo de ríos para una comprensión completa, crucial para una gestión y planificación efectivas de los recursos hídricos.