近年来随着中国高速铁路网的扩建与高速铁路出行服务质量的提升,高速列车已经成为中国最主要的出行方式之一。预计到2025年,全国铁路网里程将长达17.5万公里,其中高速铁路占总长度20%以上,将会覆盖超过80%的大城市。高速度、高密度的高铁运行方式给铁路运输组织带来了巨大的挑战。高速行驶的列车在运行过程中不可避免地会受到各种因素的干扰,最终导致列车不能按照图定计划准时到达,产生晚点。晚点不仅会影响本列列车的运行,还会在区段内传播扩散,造成其他列车的晚点。因此把握列车晚点情况,实时预测列车晚点对于现场调度意义重大。鉴于列车晚点等级能让调度员更敏感地捕捉晚点信息,本文构建基于神经网络的晚点预测模型预测列车到站晚点等级,具体研究工作包括:(1)本文首先分析了人工神经网络对列车晚点的预测机理,并建立了根据前方列车群晚点情况,预测后方列车晚点等级的预测机制,基于此确定训练人工神经网络晚点等级预测模型所需样本数据形式,并给定晚点等级划分标准。(2)根据模型训练需求,从铁路集团数据库中筛选历史晚点数据,结合列车运行图特性,构建符合网络模型输入与输出需求的晚点样本。(3)基于深度学习数据处理法则,对样本进行了进一步的归一化、正则化、平衡分类等处理,使其更符合神经网络训练样本规范。(4)构建神经网络模型对样本进行学习,通过反向传播不断调整网络模型参数,使其输出值不断逼近目标值直至获得满意的结果。(5)基于现有神经网络优化理论对神经网络进行了算法与结构优化,并将优化后的模型与人工预测和多元线性回归预测模型进行对比,验证模型的有效性。本文中两个神经网络模型训练的结果表明,神经网络模型能有效地拟合前方列车群运行秩序对后方列车的影响,并对后方列车晚点等级做出预测。本文还模拟了预测模型在现场调度中的具体使用场景,展示了晚点预测模型如何服务于调度员,提高运输组织工作效率。