در اثر تغییرات آب و هوایی رخدادهای ناگوار اقلیمی مانند خشکسالی در بسیاری از نقاط کره ی زمین تشدید شده است. در این تحقیق، از شبکه های عصبی مصنوعی بهعنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، بهمنظور پیش بینی سیکل خشکسالی هیدرولوژیکی در ۸ ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان لرستان که دارای ۴۰ سال آمار ماهانه هستند، استفاده شد. جهت این امر ابتدا با استفاده از آمار دبی ماهانه ایستگاه های هیدرومتری، شاخص خشکسالی هیدرولوژیکی SDI محاسبه شد. در این تحقیق جهت مدلسازی خشکسالی هیدرولوژیکی، سیگنال های اقلیمی بزرگ مقیاس به عنوان ورودی مدل و شاخص خشکسالی به عنوان خروجی مدل در نظر گرفته شد. برای مدلسازی ۷۰ درصد داده ها به عنوان داده های مرحله آموزش، ۱۵ درصد به عنوان داده های آزمایش و ۱۵ درصد داده ها برای صحت سنجی مدل در نظر گرفته شد. شبکه های مورد استفاده از نوع پس انتشار و تابع فعال سیگموئیدی با الگوریتم پس انتشار خطا می باشند. نتایج این تحقیق نشان داد که مدل شبکه عصبی مصنوعی با دقت خوبی قادر به پیش بینی خشکسالی هیدرولوژیکی می باشد. مدل تهیه شده در ایستگاه های دره تخت و ونایی به ترتیب با ضریب تبیین ۶۸ و ۴۴/۶ درصد دارای بیشترین و کمترین ضریب تبیین بودند. علاوه بر این تحلیل حساسیت مدلهای تهیه شده نشان داد که سیگنال اقلیمی TSA بیشترین تاثیر را در وقوع خشکسالی هیدرولوژیکی استان لرستان دارد. مقایسه نتایج مدل شبکهی عصبی و داده های مشاهداتی بر دقت و توانایی شبکه ی عصبی در پیش بینی خشکسالی هیدرولوژیکی همه ایستگاه های مورد مطالعه در استان لرستان دلالت دارد.