安全和效率是铁路运输中永恒的两个主题,但是随着我国铁路客运高速化和货运重载化的发展,轨道质量状态恶化的速度越来越快,这严重威胁到生命财产安全。利用综合轨道检测车的历史轨道不平顺数据进行科学合理的分析预测,并在挖掘时间序列数据变化规律的基础上对养护线路维修计划的编排进行辅助决策,这已经成为当前在保证列车行车安全的前提下提高维修效率和减少经济开支的重要手段。论文首先针对轨道检测原始数据中存在异常点和里程不对应的问题,利用绝对均值修正法和拉依达准则分别对原始数据进行处理去除了异常点,利用计算两次检查数据的差值之和的方法来判断里程漂移的偏移量,实验结果表明,预处理的方法能很好的减少因为各种原因对检测数据造成的误差。其次,分别对灰色预测模型和神经网络预测模型进改进研究和分析,利用了神经网络对数据拟合效果较好和灰色预测模型对长期预测准确性高的特点建立了一种基于数据选择向量的预测方法,实验结果表明,建立的新模型具有很高的预测精度。最后,将预测模型应用在年度轨道状态最优综合维修计划的编排中,以养护维修时间和维修地点为决策变量,以年度轨道不平顺的平均值最小化为目标函数,在考虑了多个约束函数的情况下,建立了一个利用遗传算法求解最优解的辅助决策模型,实验结果表明模型能够快速的编排出线路的年度维修计划。