地铁客流的精确预测在地铁设计、建设以及运营各个阶段承担着重要的角色,所以地铁客流量成为了公众关注的问题。由于客流序列具有线性与非线性并存的特点,对客流预测方法的准确性提出了新要求。研究如何提高地铁客流量的预测效果,对于地铁线路规划以及运营配置起着积极作用。本文以提高客流预测模型的精度为出发点,对地铁客流预测模型进行组合优化研究。首先,面对客流数据集划分不明导致模型预测结果不理想的问题,本文客流数据进行了数据清洗。为客观提取客流序列信息,根据聚类分析结果将数据集分为工作日数据和双休日数据。其次,针对地铁客流所具有的线性和非线性并存的特点,选择了线性模型中的SARIMA模型,同拟合非线性数据的机器学习模型中的SVM模型和LSTM模型对地铁客流进行组合预测。然后,为解决现有赋权法约束条件单一,无法获得最佳权重的问题,提出一种MAE倒数法和误差平方和最小法结合的权重优化法,实现了组合模型能够同时达到MAE最小和误差平方和最小的目标。最后使用权重优化法构建SARIMA-SVM模型和SARIMA-LSTM模型并进行了西安地铁4号线客流的实例验证,同时分析了两组合模型的预测效果和适用范围。通过实例验证以及与单一模型的对比,使用权重优化法进行组合预测能够降低单一预测模型的RMSE值和MAPE值。与其他组合方式对比,权重优化法构建的组合预测模型预测精度更高,证实了权重组合法能够有效优化地铁客流预测。本文通过正确的数据集划分、选择合适的客流预测模型以及优化模型组合方式实现了提高客流预测模型预测精度的目的,同时为组合模型提供了新的优化方法,有助于其他领域的组合模型研究。