과거부터 단기 가뭄 예측을 위한 많은 연구가 있어 왔다. 과거에는 수치 모델링을 이용한 연구가 주를 이뤘지만, 예측 정확성의 한계로 최근에는인공지능 기술을 활용한 연구가 활성화되고 있다. 초기에는 단일 모델을 활용한 기계학습과 다층 퍼셉트론을 사용한 가뭄 예측 연구가 진행되었고,이후 앙상블 기법을 활용한 기계학습과 딥러닝 알고리즘들을 사용한 연구가 진행되었다. 최근에는 우수한 성능을 보이는 트랜스포머 기반의 딥러닝알고리즘이 각광받고 있다. 본 연구에서는 기상청에서 제공받은 2015년부터 2023년까지의 종관기상관측데이터와 표준강수지수 데이터를 전처리하여 사용한다. 데이터 전처리 과정에서 결측치와 이상치를 처리하는 방법을 제시하고, 기존 특징들로부터 새로운 특징들을 생성하며, 유전알고리즘과XGBoost를 사용한 래퍼 방식 기반의 특징 추출을 시행한다. F1-score를 적합도로 하여 주요 특징들을 선택한 후, 기계학습과 딥러닝 실험에 사용한다. 실험 결과는 선택된 특징들을 사용한 트랜스포머 기반의 TFT 딥러닝 알고리즘이 0.88의 f1-score를 보여 가장 우수함을 보였다.