干旱预测一直是干旱研究领域的重大挑战，提高干旱预测的准确性是解决干旱问题的关键。基于1961—2019年新疆34个气象站点月降水和月平均气温数据，计算得到标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index，SPEI），对新疆气象干湿变化进行分析，提出一种经验模态分解方法（empirical mode decomposition, EMD）-灰狼优化算法（grey wolf optimizer，GWO）-长短期神经网络（long short-term memory network，LSTM）的数据分解型干旱组合预测模型进行预测，并进行模型性能评价。结果表明：（1） 干旱周期性变化整体呈现平稳且周期长的特点；（2） EMD能够有效优化数据的平稳性，GWO优化预测模型参数，组合模型的预测精度相较于单一预测模型有明显提高；（3） 4个预测模型结果精度由高到低的排序为：EMD-GWO-LSTM、GWO-LSTM、GWO-支持向量回归（Support Vactor Regression，SVR）、LSTM，拟合优度分别为0.972、0.939、0.862、0.830，EMD-GWO-LSTM组合预测模型的预测精度优于其余3个预测模型。EMD-GWO-LSTM组合模型可有效提高气象干旱的预测精度，为新疆地区气象干旱预报及抗旱减灾工作提供了新的方法手段。
