A variabilidade climática provoca eventos extremos que impactam a população global. O entendimento desta variabilidade é ferramenta potente para mitigação dos seus efeitos deletérios. As condições anômalas da precipitação, decorrentes da variabilidade climática, trazem prejuízos diversos, sendo, portanto, necessário o estudo de seu comportamento e a construção de modelos de previsão com certo grau de antecedência. O nordeste do Brasil, em comparação com o país como todo, é a região mais vulnerável aos efeitos da variação da precipitação, por esta razão, torna-se importante a caracterização e estudos de recorrência destes eventos. No entanto, o nordeste do Brasil apresenta diferentes regimes de precipitação, em termos espaciais, podendo ser divididos em Norte do Nordeste do Brasil (NNEB) e Leste do Nordeste do Brasil (LNEB). Muitos esforços têm sido empreendidos para entender a variabilidade interanual da precipitação do NNEB, enquanto que no LNEB, o rol de trabalhos ainda se mostra incipiente, focando sua maioria na estação chuvosa. Diferentemente do NNEB, a estação seca do LNEB apresenta uma variabilidade interanual acima de 150 mm, que pode acarretar danos à população que ali reside. Logo, este trabalho visa entender a variabilidade pluviométrica da estação seca do LNEB e propor um modelo de previsão em longo prazo, utilizando como área de estudo as Bacias dos rios Mundaú e Paraíba do Meio, localizadas nos estados de Pernambuco e Alagoas. Para tal, os dados pluviométricos coletados foram compilados para o trimestre seco (outubro a dezembro) e submetidos à Análise de Componentes Principais e Análise Cluster, quando foi possível classificar a região em duas porções com características similares. A partir disso, foram calculados os índices de precipitação padronizada (SPI), então, buscou-se uma relação do SPI com índices climáticos globais (SOI, NAO, AMM, AMO, PDO e Niño 3.4), com defasagem de até 6 meses da estação seca, através de técnicas de correlação univariadas (Correlação de Spearman) e multivariadas (transformada wavelets, wavelets cruzada e wavelets coerência). Por fim, à luz dos resultados das etapas anteriores, foi construído um modelo híbrido (combinação de Rede neural e algoritmos genéticos) com dois objetivos: reconhecimento dos padrões dos dados e previsão dos índices baseados na precipitação. As correlações de Spearman não apresentaram resultados satisfatórios para análise interanual, no entanto, para análise decadal verificaram-se bons resultados para faixa espectral decadal com coeficientes de correlação acima de 0,3. Estes resultados foram corroborados pela análise de wavelets que encontrou escalas dominantes na faixa decadal. Ainda sobre os resultados, da aplicação do modelo híbrido tem-se uma maior previsibilidade para faixa decadal do SPI e resultados modestos para sua série interanual, retratando apenas alguns picos negativos após o ano de 1987. Este trabalho mostrou que a maior porção da variabilidade pluviométrica (interanual), na estação seca, decorre de fenômenos meteorológicos de pequena escala e as características físicas das bacias, enquanto que a menor porção (frequência decadal ou maior) pode ser explicada pelos fenômenos globais com destaque para as condições do oceano Atlântico, sobretudo na variabilidade da porção litorânea da área de estudo.Climatic variability causes extreme events that significantly impact the global population. Understanding this variability is a powerful tool to mitigate its deleterious effects. The anomalous precipitation conditions, due to climatic variability, bring different damages, so it is necessary to study their behavior and construct forecast models with a certain degree of advance. Northeastern Brazil, in comparison to the country as a whole, is the region most vulnerable to the effects of precipitation variation, and is therefore important to the characterization and recurrence studies of these events. However, northeastern Brazil presents different precipitation regimes in spatial terms, being able to be divided in Northeast of Brazil (NNEB) and East of Northeast of Brazil (LNEB). Many efforts have been undertaken to understand the interannual variability of the NNEB precipitation, while in the LNEB the role of studies to analyze the precipitation variation and its cause-effect relationships is still incipient, focusing mostly in the rainy season. Unlike the NNEB, the dry season of the LNEB shows an interannual variability above 150 mm, which can cause damage to the population living there. Therefore, this work aims to understand the rainfall variability of the LNEB dry season and to propose a long term forecasting model, using the Mundaú and Paraíba do Meio river basins located in the states of Pernambuco and Alagoas as the study area. For this, the rainfall data collected were compiled for the dry period (October to December) and submitted to Principal Component Analysis and Cluster Analysis when it was possible to classify the region into two parts with similar characteristics. (SPI), a SPI relationship with global climate indexes (SOI, NAO, AMO, AMO, PDO and Niño 3.4) was calculated, with a lag of up to 6 months of the dry season, using univariate correlation techniques (Transformed of wavelets, cross wavelets and coherence wavelets), finally the light of the results of the previous steps was constructed a hybrid model (combination of neural network and genetic algorithms) with two objectives: recognition of data patterns and prediction of precipitation indexes. Spearman correlations did not present satisfactory results for interannual analysis, however for decadal analysis, using the spectral range of 10 to 16 years, good results were observed for decadal spectral range with correlation coefficients above 0.3. These results were corroborated by the analysis of wavelets that found dominant scales in the decadal range for most of the climatic indexes, still on the results, of the application of the hybrid model, we have a greater predictability for SPI decadal range and modest results for its interannual series , portraying only a few negative peaks after 1987, reporting once more to the PDO. This work showed that the largest portion of rainfall variability (interannual) in the dry season is due to small-scale meteorological phenomena and the physical characteristics of the basins, and the smaller portion (decadal or greater) can be explained by global phenomena. Atlantic, especially in the variability of the coastal area of the study area.