随着我国运输市场竞争的日趋激烈，铁路运输企业提高市场竞争力迫在眉睫。铁路货运量预测作为铁路运输生产的基础工作之一，是铁路运输企业制定正确市场营销战略的前提条件。研究适合我国国情的铁路货运量综合预测模型就显得十分重要。目前的货运量预测所采用的方法或模型比较单一，虽然可用于预测的方法众多，但它们的应用条件，构模机理各异，存在着一定的局限性，面对动态变化的现实，采用任何单一预测方法，都难以获得较为满意的结果。自1969年J.N.Bates和G.W.J.Granger首次提出组合预测理论与方法以来，组合预测受到理论界的很大关注。它能使人们将各种方法组合起来，以充分利用其中的信息，扬长避短，获得各种模型的整合之功效，以提高预测精度。但传统的加权组合预测方法在应用于实践中也出现一些问题。本论文的研究是要建立一种基于人工神经网络的铁路货运量综合预测模型，克服单一预测方法或模型和传统加权组合预测模型的局限性，结合铁路货运量实际情况，实现综合预测铁路货运量综合预测的目的，为铁路运输企业制定货运市场营销计划和市场营销决策提供依据。 第一章绪论：简述了论文背景、选题意义及研究目标和本人所做的工作。 第二章国内外货运量预测研究综述：回顾了国内外已有文献中对铁路货运量的各种预测方法比较和人工神经网络用于预测和组合预测的成果。并在此基础上，分析了目前铁路货运量预测研究中存在的不足，并提出本文的预测分析框架。 第三章铁路货运量预测模型分析。分析了算术平均法、移动平均法、一元线性回归法、多元线性回归法、指数平滑法、加权移动平均法、人工神经网络法、加权组合预测等模型的优缺点及使用范围。 第四章铁路货运量相关因素分析。分别从需求、供给、竞争三个方面分析了铁路货运量预测的相关因素。 第五章铁路货运量单个预测模型示例分析，采用单个预测模型对铁路货运量进行了预测。 第六章铁路货运量组合预测模型示例分析。比较了加权组合预测模型和基于人工神经网络的组合预测模型的结果，发现基于人工神经网络的组合预测方法能降低预测误差，预测结果优于加权组合预测方法。 第七章后续研究方向。提出了研究中需要进一步解决的问题及今后工作的展望。