پدیده خشکسالی یکی از بلایای طبیعی می باشد که احتمال وقوع آن در تمام مناطق اقلیمی امکان پذیر است و در هر منطقه ای که روی می دهد، باعث ایجاد آسیب های جدی در محیط زیست و زندگی انسان ها می شود. بنابراین پیش بینی این پدیده مضر، می تواند تاثیر قابل توجهی در کنترل و مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. برای انجام این منظور، ابتدا با استفاده از شاخص بارندگی استاندارد شده چند متغیره (mspi)، مشخصه های خشکسالی در حوضه آبریز لیقوان چای بدست می آید و سپس از شبکه های عصبی مصنوعی (ann) جهت پیش بینی شاخص فوق استفاده می گردد. در ادامه جهت آموزش شبکه های عصبی مصنوعی و تخمین بهینه وزن های آن، الگوریتم بهینه سازی ازدحام ذرات (pso) بکار برده شده و عملکرد آن با الگوریتم پس انتشار خطا (bp) مورد مقایسه و ارزیابی قرار می گیرد. در نهایت نتایج حاصل، برتری مدل ann-pso را نسبت به مدل ann-bp نشان می دهد.