水资源的逐渐减少已经变成全球人民需要重视的难题,如何高效的节省水资源越来越也十分受到世界各地的重视。随着气候出现全球变暖等全球性问题,旱灾的发生越来越频繁。人口的增加和经济的进步,也是世界各地环境的逐渐恶劣和水分的亏损的原因之一。由干旱导致的问题与人类的生存有着紧密的联系,干旱问题也给导致了巨大的经济损失,也影响人类社会的正常运行。叶柏寿地区地处辽宁省西部,属中国典型的半干旱半湿润地区,降水的分布不均匀导致干旱频繁发生,也影响着春季播种。所以必须根据过往的气象数据来探索该地区的干旱演变特征,从而为农业经济的发展提供理论依据。本文首先用Palmer干旱指数分析了叶柏寿地区1952-2015年的干旱情况,并应用小波分解对PDSI进行多分辨率分析,进而研究了该地区干旱发生等级、频次、覆盖范围、周期、突变等时间演变特性及发生规律。在使用加权马尔科夫链对叶柏寿地区的干旱状态预测之后,再结合BP神经网络模型和灰色模型建立新的组合模型对该地区的降水量预测。得到的主要结论包括:(1)采用Palmer干旱指数对叶柏寿地区64年来的年际干旱变化特征、干旱发生频次、干旱覆盖范围进行计算,分析干旱变化特征。分析结果显示:叶柏寿地区在64年间有11年无旱情发生,轻早和轻涝所占年份分别为11年和9年,中早和大旱所占年份分别为7年和6年,其余的干旱程度所占年份都在5年及五年以下;干旱频次均值为5.72个月,春、夏、秋、冬四季干旱发生频次分别为1.3、1.59、1.56和1.41次;轻旱以上覆盖范围达100%的年份为37年,平均覆盖率为82.6%,仅在1978和1979年6个监测站均未发生轻早。(2)在五级旱涝标准的加权马尔科夫模型的基础上,建立四级旱涝标准的加权马尔科夫模型,两种模型均能准确预测叶柏寿地区的干旱状态。可以运用两种模型对该地区未来的干旱状态进行预测,但为了抗旱减灾,首选四级旱涝指标的加权马尔科夫模型。(3)用BP神经网络对灰色残差序列进行修正,建立新的模型。结果表明,BP神经网络灰色残差修正模型更适用于叶柏寿地区的降水量的预测。(4)采用时间序列的方法,在检验序列平稳性并参照AIC和SC准则等综合因素后确定使用ARIMA(2,1,3)对叶柏寿地区进行降水量预测;并用对2014、2015年的降水量对进行预测,在与实际结果比对后相对误差仅为3.8%和4.5%并对2016年和2017年叶柏寿地区降水量进行预测,分别为406.1mm和416.91mm。