در سال های اخیر خشکسالی با فراوانی و شدت بیشتری در بسیاری از مناطق دنیا از جمله ایران رخ داده و اثرات مخرب آن با توجه به افزایش تقاضای آب و تغییرات اقلیمی تشدید یافته است. پیش بینی خشکسالی می تواند طراحی پروژه های مهندسی آب ، برنامه ریزی های اقتصادی منطقه ای و مدیریت بهتر منابع آب را تضمین نماید. در سال های اخیر استفاده از روش های مدل سازی مبتنی بر هوش مصنوعی در علوم مهندسی آب مورد توجه جدی محققین قرار گرفته است. در این تحقیق سعی شده است توانایی شبکه های عصبی مصنوعی چند لایه پیشرو ، شعاعی ، شبکه های لایه برگشتی و مدل ترکیبی نرو فازی در پیش بینی شاخص خشکسالی بارش استاندارد شده spi در استان کرمان مورد ارزیابی قرار گرفته و بهترین مدل ارائه گردد. شاخص خشکسالی برای کلیه ایستگاه های دارای آمار بلند مدت محاسبه شده و سپس با استفاده از توابع آماری بهترین ورودی ها برای مدل ها انتخاب گردیده است. نتایج حاکی از توانایی بالای شبکه های عصبی مصنوعی و نرو فازی در پیش بینی شاخص خشکسالی spi بوده و مقایسه مدل ها با یکدیگر نشان از توانایی بیشتر شبکه عصبی مصنوعی چند لایه پیشرودارد. بنا بر نتایج آماری پیش بینی مدل ها تا 6 ماه آینده با احتمال 95 درصد معنی دار است و در انتها شاخص خشکسالی در سطح استان کرمان تا 6 ماه آینده پهنه بندی شده است .