随着高速铁路的蓬勃发展,高速列车实时安全服役状态的监测显得越发重要。为了保证列车运营的安全性,国内外对高速列车的安全服役状态监测进行了大量的研究。目前,发达国家的列车大都装有车载实时监测系统,他们还在不断对高速列车的实时监测进行研究,但是他们的核心技术以及具有指导意义的方法并未公开发表。我国对高速列车状态监测的研究尚处于初级阶段,且以往的大多数研究都侧重于轨道车辆的组成结构、功能、轮轨之间的关系等对于关键系统的影响,而对于运行工况对安全服役状态的影响则研究相对较少。为了系统分析不同工况对动车组服役性能的影响,以高速动车组为中心对关键系统的参数进行了长期的监测。由于跟踪试验数据量大,种类繁多,传统的监测系统中基于阈值定性的判定方法已经无法适用于实时的动态分析需要。通过对海量数据进行时序模型研究,对不同准则函数的分析,以及对各类时序模型预测误差的对比,本文得出了如下结论：通过对海量数据的时序模型预测误差的分析研究,最终确定了当跟踪试验数据长度为2000时,其时序模型的预测模型误差是相对最小的。通过对自动时序建模算法的研究以及典型工况下不同类型时序模型的对比,得出了典型工况下的最佳时序模型类型和阶次。通过对较佳时序模型的预测误差以及时序模型参数变化趋势的分析研究,得出了典型工况下的通用时间序列模型。由于对时序模型的研究尚处于初级阶段,建议进一步研究时间序列自动建模理论中的惩罚因子,使该理论更好的应用于高速列车的状态监测,以便对高速列车进行实时监测,并对数据进行实时的预测与示警。