در این تحقیق به منظور پیش بینی خشکسالی هیدرولوژیک در استان خراسان شمالی، از روش سری زمانی (مدل arima) و مدل های شبکه عصبی مصنوعی (ann) و k-نزدیک ترین همسایگی (knn) استفاده شد. در هر یک از این مدل ها از داده های بارندگی، دما و دبی در طی دوره آماری مشترک 1389-1360 استفاده شد که 70% داده ها برای آموزش و 30% باقی مانده برای آزمایش مدل ها مورد استفاده قرار گرفت. برای دستیابی به بهترین پیش بینی از جریان رودخانه های چناران، درکش و شیرین دره، 9 سناریو طراحی و نتیجه بهترین سناریو با استفاده از شاخص دبی استاندارد شده (sdi) در پیش بینی خشکسالی هیدرولوژیک بکار گرفته شد. عملکرد مدل ها توسط شاخص های ارزیابی جذر میانگین مربعات خطا (rmse)، میانگین قدر مطلق خطا (mae) و ضریب همبستگی (r2) با یکدیگر مقایسه شد. مقایسه sdi مدل ها نشان داد، مدل ann نسبت به مدل های arima و knn برای پیش بینی خشکسالی هیدرولوژیک دارای عملکرد بهتری بوده است.