Para aumentar la precisión de la predicción de sequías, este estudio propone un método de pronóstico de sequías basado en el modelo Informer. Tomando como ejemplo la cuenca del río Amarillo, se compararon y analizaron las precisiones de pronóstico de los modelos de Promedio Móvil Integrado Autorregresivo (ARIMA), Memoria a Largo y Corto Plazo (LSTM) e Informer en múltiples escalas temporales del Índice de Evapotranspiración de Precipitación Estandarizado (SPEI). Los resultados indican que, con una escala temporal creciente, las precisiones de pronóstico de los modelos ARIMA, LSTM e Informer mejoraron gradualmente, alcanzando la mejor precisión en la escala temporal de 24 meses. Sin embargo, los valores predichos por ARIMA, así como los de LSTM, fueron significativamente diferentes de los verdaderos valores de SPEI en la escala temporal de 1 mes. El modelo Informer fue más preciso que los modelos ARIMA y LSTM en todas las escalas temporales, lo que indica que Informer puede capturar ampliamente la información de la serie de entrada a lo largo del tiempo y es más efectivo en problemas de predicción a largo plazo. Además, Informer puede mejorar significativamente la precisión de la predicción de SPEI. Los valores predichos del modelo Informer fueron más cercanos a los verdaderos valores de SPEI, y las tendencias de SPEI pronosticadas cumplieron con las tendencias reales. El modelo Informer puede modelar diferentes escalas temporales de manera adaptativa y, por lo tanto, capturar mejor la relevancia en diferentes escalas temporales. Los valores NSE del modelo Informer para las cuatro estaciones meteorológicas en SPEI24 fueron 0.968, 0.974, 0.972 y 0.986.