近年来,国家宏观经济增速放缓,经济结构调整、产业转型升级、节能减排力度不断加大,煤炭、矿石、钢铁等大宗物资的全社会运输需求总量持续下滑,大宗货源明显减少。自2013年以来,铁路货运量下滑明显,铁路货运市场形势严峻已是不争的事实。在此情形下本文通过对我国铁路货运市场现状及影响因素的分析,在借鉴国内外研究成果的基础上,提出了经济新常态下的铁路货运市场预警方法,对货运市场发展态势进行综合评价与预警。旨在为铁路货运市场预警提供一个新思路和科学方法。首先,论文定义了铁路货运市场预警涵义,并确定了明确警义、分析警情、探索警源、预报警度、排警调控的基本流程。继而对铁路货运预警方法与预警模型的基本理论进行了分析,选取综合模拟法作为铁路货运市场警情警度的判定方法；采用模型预警法构建铁路货运市场预警模型。接着,论文就构建铁路货运市场预警指标体系进行了重点研究。在现有学者的研究基础上,提出41个备选指标集,继而通过灰色关联度方法对指标的关联度进行计算,筛选出其中31个指标,并结合“压力-状态-响应”(PSR)模型将指标集分为“压力”、“状态”、“响应”三大子系统,分别对应需求、供给、对策改进三方面。通过熵值法确定各指标的权重,并提出预警指数的计算方法与警度划分区间。然后,针对铁路货运市场预警问题,分别提出基于支持向量机(SVM)分类预警方法与基于径向基神经网络(RBF)的滚动预警方法,并阐述了两者在MATLAB中的实现。最后对铁路货运市场预警方法进行实例研究,计算分析了近24个月铁路货运市场月度警情情况,并通过MATLAB仿真分别对SVM模型中的分类结果和RBF神经网络的预警指数预测结果进行了检验,两个模型的精确度均较高。最后分别外推了未来三个月的货运市场警度情况,得出较一致的结果,并提出部分调控措施。以便有关部门及企业尽可能地提前采取调控措施和营销策略,促进铁路货运市场的稳健运行。