La predicción precisa del caudal fluvial es uno de los principales desafíos en la gestión de embalses, donde comúnmente se han utilizado modelos autorregresivos. Normalmente, se considera que el ruido de estos modelos sigue una distribución Gaussiana. Sin embargo, esta suposición puede sobrestimar la presencia de valores atípicos, que generalmente se presentan en los datos reales de afluencia de agua. Motivados por esta limitación, proponemos un nuevo método de predicción del caudal fluvial al modelar el ruido de un modelo autorregresivo vectorial como una mezcla multivariante t de Student basada en el uso del algoritmo de variational expectation-maximization.