پیش بینی و پایش خشکسالی در برنامه ‏ریزی ‏های کشاورزی، منابع آب و اطلاع رسانی برای پیش ‏آگاهی ‏مبارزه ‏با خشکسالی و غیره حائز اهمیت است و تا حد ‏قابل ‏ملاحظه ای منجر به کاهش خسارات ناشی از این پدیده می شود. در امر پیش بینی خشکسالی و براورد شاخص های خشکسالی همچون شاخص خشکسالی SPI ، بررسی بر روی پارامترهای اقلیمی به صورت سری زمانی با روند غیر خطی مطرح می شود. این پژوهش به مقایسه عملکرد سیستم های هوشمند پیش بینی مبتنی بر روش های غیر خطی، نظریه اشوب و شبکه عصبی در براورد شاخص خشکسالی SPI در اقلیم مرطوب رشت می پردازد. بررسی پارامتر های اشوبی فضای فاز، بعد محاط، توان لیاپانوف،تست 0-1 بر روی سری زمانی مورد بجث ،رفتار اشوبناک داده اقلیمی مذکور را تایید می کند .علاوه بر ان نتایج تست 0-1 در تحلیل رفتار داده بارش با نویز و بدون نویز، قابلیت ارزیابی وضعیت اشوبناکی سیستم اقلیمی مرطوب را توسط این تست با داده های خام تایید می کند.‏ ارزیابی پیش بینی شبکه عصبی و روش پیش بینی موضعی مبتنی بر نظریه اشوب نشان می دهدکه نتایج پیش بینی نظریه اشوب از دقت قابل قبول و صحت بسیار بالایی برخوردار است و در مقایسه با شبکه عصبی در اقلیم مرطوب رشت نتایج بهتری را ارائه نموده است. استفاده از این نظریه در پیش بینی پارامتر های اقلیمی با توجه به حساسیت پیش بینی های اب و هواشناسی بسیار کارامد و مفید می باشد.