در سال های اخیر پدیده خشکسالی خسارت های فراوانی به بخش کشاورزی کشور وارد آورده که وجود یک سیستم پیش آگاهی از تاثیر آن بر محصولات کشاورزی را برای کمک به سیاستگذاران و ذی نفعان ضروری می سازد. در این تحقیق، مدلی برای ارزیابی پیش بینی آسیب ناشی از خشکسالی کشاورزی بر استان کرمانشاه با استفاده از روش های آماری و هوشمند توسعه یافته است. این مدل به طور خاص برای محصول گندم دیم است و می تواند خود را همراه با رشد گیاه و در مراحل مختلف فنولوژیک بهنگام کند. در فرایند توسعه مدل، از شاخص های خشکسالی PDSI، Z-index، CMI، SPI و EDI استفاده و جهت انتخاب متغیرهای مناسب، روش های الگوریتم ژنتیک، و شبکه مصنوعی عصبی به کار گرفته شد. نتایج نشان می دهد که شاخص Z-index نسبت به بقیه شاخص ها آسیب ممکن را بهتر پیش بینی می کند. همچنین، مدل با گذشت زمان در مراحل مختلف بحرانی رشد از برازش بهتری برخوردار می شود و به خصوص از مرحله سوم به بعد، سطح معنی داری روابط به 1 درصد رسیده و نتایج پیش بینی قابل اتکا می شود. همچنین، اتصال مدل به محیط سامانه اطلاعات جغرافیایی قابلیت های آن را برای تحلیل های لازم مکانی و ارایه کارآمدتر نتایج ارتقا نمود.