پیش­بینی خشکسالی اهمیت زیادی در برنامه­ریزی و مدیریت منابع طبیعی و منابع آب دارد. در این مطالعه از مدل­های اتورگرسیو- میانگین متحرک تلفیق شده فصلی (SARIMA) به عنوان مدل­های تصادفی خطی برای پیش­بینی خشکسالی استفاده شد. این مدل­ها سری­های زمانی نمایه بارش استاندارد شده (SPI) را برای پیش­بینی خشکسالی به­کار می­برند. مقادیر SPI برای مقیاس­های زمانی 3، 6، 12 و 24 ماهه برای ایستگاه­های سینوپتیک آباده، شیراز و فسا در استان فارس محاسبه شدند. مدل SARIMA با کمترین مقدار معیار اطلاعات آکاییک تصحیح شده به عنوان بهترین مدل انتخاب شد. نمودارهای خودهمبستگی باقیمانده­ها برای مدل­های انتخاب شده نشان می­دهند که باقیمانده­ ها نا­همبسته ­اند. مقادیر SPI از ژانویه 2004 تا دسامبر 2005 به عنوان داده­های آزمون با استفاده از مدل­های سری زمانی برازش داده شده پیش­بینی شد. برای مثال، مدل  برای سری­های زمانی SPI دوازده ماهه ایستگاه شیراز مناسب تشخیص داده شد. نتایج این مدل نشان داد که ضریب همبستگی بین مقادیر SPI  مشاهده و پیش­بینی شده 0.74 می­باشد که در سطح 1% معنی دار می­باشد و 22 ماه وضعیت خشکسالی به درستی پیش­بینی می­شود.