在如今交通行业的飞速发展,绿色交通出行越来越受到人们的关注,其中城市轨道交通就属于绿色交通出行的一种交通方式。由于其在运营方面能够保障将乘客快速按时按点地运送到目的地而成为首选的出行方式,而且还能对路面交通起到缓解拥堵的作用。为了帮轨道交通运营管理者做好运营决策辅助工作,因此对城市轨道交通的客流规律进行研究并得到精准的预测客流是很有必要的。因此,本文主要工作如下:（1）从苏州轨道交通历史客流数据入手,从宏观角度分析城市轨道交通客流的主要影响因素,再对不同时间上的客流变化规律进行分析,并分析受周边土地利用业态不同车站客流的高峰变化,进而得到客流最真实的变化规律。（2）介绍客流预测的一些常见方法,分析总结各类方法在客流预测中的优势与不足,由于在处理非线性客流问题上支持向量机模型有着较好的表现,因而确定预测模型利用支持向量机来构建。（3）对支持向量回归模型的基本原理及影响其预测精度的决定性参数进行介绍,在参数寻优方面,本文提出一种针对灰狼算法在收敛因子和更新步长改进的方法来寻找最优的支持向量回归参数,并建立GWO-SVR预测模型。（4）由于城市轨道交通进站客流是一个复杂的非线性系统,这使得短时客流预测难以保证非常高的精确度。对此,引入改进的自适应白噪声的完整经验模态分解（ICEEMDAN）对本文苏州轨道交通广济南路站点历史进站数据进行预处理后预测。比较不同模型方法的客流预测结果,以验证本文所提的ICEEMDAN-GWO-SVR相较于其他预测模型方法有着更好的准确度。