بسیاری از پدیده های طبیعی- اقلیمی نظیر بارش از تغییرپذیری بالایی برخوردارند. این ویژگی در رخداد حالات مختلف بارش به خوبی نمایان است. یکی از این حالات، عدم رخداد بارش در امتداد زمان و طی روزهای سال است، که تداوم آن موجب بروز روزهای خشک و به دنبال آن پدیده خشکسالی می شود. در این پژوهش سعی شده است با نشان دادن تصویر کلی از مشخصات عمومی بارش در پهنه ایران، به پیش بینی روزهای خشک پرداخته شود. در پژوهش حاضر با استفاده از داده های روزانه بارش کشور در طول دور? آماری (2008-1961) با به کارگیری الگو زنجیره مارکوف به تعیین الگوی احتمالاتی روزهای خشک پرداخته شود. سپس به منظور انجام عملیات پهنه بندی و افراز نواحی مشابه و نیز پرهیز از انجام تحلیل بر روی تک تک ایستگاه ها، با استفاده از تحلیل خوشه ی، محاسبه فاصله اقلیدسی و روش ادغام وارد مناطق همگن به لحاظ روزهای پیش بینی شده با مدل مارکوف تشخیص داده شد. در نهایت 7 گروه برای پهنه ایران به دست آمده و نماینده هر یک از گروه ها انتخاب گردید. سپس به منظور تعیین زمان تاخیرهای لازم برای برازش الگوی شبکه عصبی و با به کارگیری تکنیک تحلیل طیفی برای نماینده هر یک از گروه ها، چرخه های معنادار برآورد گردید. در نهایت، با استفاده از طول دوره آماری (2008-1976) و نیز بر اساس آزمون و خطای تاخیرهای مورد نظر در نرم افزار matlab و شاخه neural network به پیش بینی روزهای خشک پرداخته شد. شبکه مورد استفاده در این پژوهش، شبکه چند لایه پس انتشار feed-forwad با الگوریتم مارکوارت- لونبرگ و تابع انتقال خطی در لایه خروجی و تانژانت سیگموئید در لایه میانی می باشد. نتایج به دست آمده نشان داد که در بیش تر ایستگاه های مورد بررسی شبکه عملکرد بالایی داشته و توانسته پیش بینی نزدیک به واقعیت داشته باشد. اما در ایستگاه رشت پاسخ مطلوبی برای وقوع روزهای خشک نداده است. نتایج مقایسه پیش بینی روزهای خشک حاصل از زنجیره مارکوف و شبکه عصبی نشان داد که دو مدل صلاحیت بالایی در برآورد روزهای خشک ایران زمین دارند.