خشکسالی به عنوان یک حادثه ناگوار طبیعی، در اثر تغییر اقلیم پدیدار میگردد و جوامع را به طور مستقیم ‏و غیرمستقیم، از طریق تغییرات در دسترسی به منابع آب تحت تاثیر قرار می دهد. درصورتیکه خشکسالی ‏به مدت طولانی ادامه پیدا کند، آثار نامطلوبی را در محیط زیست و زندگی انسانها بر جای می گذارد. ‏یکی از راهکارهای کاهش آثار مخرب پدیده خشکسالی، پیش بینی رخداد آن در آینده می باشد که نقش ‏بسیار مهمی را در مدیریت بحران خشکسالی و سیستم های منابع آب ایفا می کند.‏ از روش های موثر جهت پیش بینی فرآیندهای هیدرولوژیکی به ویژه پدیده خشکسالی، استفاده از شبکه-‏های عصبی مصنوعی می باشد که طی دهه های اخیر، به طور گسترده جهت پیش بینی و مدل‎سازی ‏فرآیندهای مختلف بکار رفته است. ‏ در این تحقیق سعی شده است که جهت پیش بینی شاخص بارندگی استاندارد شده (‏spi‏)، از مدل های ‏مختلف شبکه های عصبی مصنوعی استفاده شود. بنابراین برای انجام اینکار از داده های هواشناسی مختلفی ‏همچون بارش، سرعت باد، رطوبت، ساعات آفتابی و همچنین اطلاعات خود شاخص در ماه های قبل بهره ‏گرفته شده و در نهایت این نتیجه برداشت می شود که استفاده توامان از ورودیهای فوق در شبکه های ‏عصبی مصنوعی، سبب بهبود نتایج حاصل از پیش بینی شاخص بارندگی استاندارد شده در بازه های زمانی ‏مختلف می شود.‏