В настоящем исследовании представлена интеграция физически обоснованной модели SNTHERM с методами машинного обучения для симуляции и анализа сезонной динамики снежного покрова в предгорной зоне Восточного Казахстана. Модельный подход был реализован на примере метеостанции Шемонаиха, расположенной в паводкоопасном районе с резко континентальным климатом. В качестве метеорологического форсинга использовались почасовые данные реанализа ERA5-Land, что позволило провести высокоточное моделирование процессов накопления, трансформации и таяния снега в течение зимнего сезона 2022–2023 гг. Результаты моделирования, включая водный эквивалент снега (SWE), глубину снежного покрова и температурные профили, были интерполированы на суточный временной шаг и использованы для извлечения ключевых индикаторов снежного цикла. В их числе -дата максимального значения SWE, начало устойчивого таяния при  положительных температурах и момент полного исчезновения снежного покрова. Для идентификации и количественной оценки фаз таяния использовались методы анализа временных рядов и алгоритмы машинного обучения. Полученные результаты демонстрируют, что модель SNTHERM в сочетании с методами обработки данных эффективно воспроизводит динамику снежного покрова в Шемонаихе и может быть успешно применена для анализа снеготаяния и оценки гидрологических рисков в схожих континентальных условиях.