خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محاسبه گردید. سپس با استفاده از مدل­های شبکه عصبی­مصنوعی و سری­های زمانی اقدام به پیش­بینی مقادیر شاخص بارش استاندارد گردید. نتایج این تحقیق نشان داد که مدل­های سری­زمانی در تمام دوره­های زمانی مورد مطالعه عملکرد بهتری در پیش­بینی مقادیر شاخص بارش استاندارد نسبت به شبکه­های عصبی­مصنوعی دارند و شبکه عصبی­مصنوعی پرسپترون­چند­لایه نیز نسبت به شبکه عصبی­مصنوعی تابع پایه­ی شعاعی در تمام دوره­ها مقادیر شاخص بارش استاندارد را بهتر پیش­بینی می­کند.