随着公路交通枢纽和物流货运设施建设加快推进,四川省物流业正全方位快速发展,公路货运水平不断提高。四川省公路货运量是衡量四川省运输行业发展的主要指标,是反映四川省经济发展的重要依据,也是政府制定公路运输基础设施规划的重要参考。为了合理规划四川省公路运输基础设施建设,使得公路货物运输供给需求保持平衡,需要对四川省公路货运量进行准确的预测。目前公路货运量的预测方法有很多,但均存在各种问题。首先,原始公路货运量数据中含有随机波动数据,影响货运量预测精度。其次,公路货运量预测受到的影响因素很多,一般预测方法很难处理这样非线性、多数据货运量预测问题。在此背景下,如何提高公路货运量预测精确度对于四川省公路交通基础设施规划和物流行业发展策略具有重要意义。鉴于此,本文对四川省公路货运量预测问题展开研究。首先梳理了国内外公路货运量预测研究成果,对当前研究现状进行归纳总结。随后介绍本文应用的公路货运量相关的理论模型,主要介绍了灰色预测模型、神经网络模型中的BP神经网络模型和长短期记忆（Long Short-Term Memory,LSTM）网络模型、小波包分解理论（Wavelet Packet Decomposition,WPD）。然后,分析四川省公路货运量影响因素,基于Pearson相关分析,根据四川省实际交通运输条件,遵循因素选取原则,得到四川省公路货运量主要影响因素。接下来进行四川省公路货运量预测模型构建,遵循预测模型原则,首次提出基于WPD的LSTM网络的公路货运量模型（即WPD-LSTM模型）并制定预测步骤,设计预测结果评价指标。最后收集与整理四川省公路货运量及相关影响因素的历史数据,进行四川省公路货运量预测实证分析。本文利用WPD处理公路货运量数据,训练构建WPD-BP神经网络模型和WPD-LSTM网络模型,对四川省公路货运量进行预测。再分别采用灰色模型、BP神经网络模型和LSTM网络模型与本文所提预测模型进行对比实验,将五种模型的预测结果与真实结果对比分析。实验结果表明,WPD能有效提高公路货运量预测精度,WPD-LSTM神经网络模型表现优秀,能够很好预测四川省公路货运量情况,文章所提方法具有可行性和准确性。