近几年中国铁路快速发展,线路里程和运输能力都大幅增长,路网也趋近于完善。随着路网密度的增加、客运专线的大力建设,部分地区已实现客货分离,货物运输能力有了较大的提升。与此同时,我国已有完善的铁路实时运输生产信息动态采集和报告系统,产生了大量铁路货物列车相关数据。目前,尚未对这些货物列车数据进行进一步分析处理,缺乏对于整个铁路网络货物列车运输生产情况的掌握。在此背景下,本文基于铁路货物列车实际生产数据,利用结合极大加代数方法改进的XGBoost算法进行铁路货物列车分布态势推演,以掌握在途货物列车运行情况,这对宏观掌握整个铁路网络运输生产的演化规律有重要的理论和实用价值。本文主要内容包括以下几方面:(1)从多方面分析影响铁路货物列车分布态势的主要因素,结合现有铁路货运统计指标体系,根据铁路货物列车分布态势的特点,新建货物列车分布态势指标,分析态势指标的长期趋势性和短期现势性。按照德尔菲法进行两轮专家咨询,构建三种不同周期的铁路货物列车分布态势指标体系。分析3小时铁路货物列车分布态势指标体系中各个指标,并确定每个指标的态势等级区间。(2)利用极大加代数的方法,分析货物列车在铁路网络上的运行过程,构造静态货物列车运行过程模型。考虑偶发事件对货物列车运行偏离运行图的影响,设计动态缓冲时间矩阵,构造动态货物列车运行过程模型并设计求解算法。(3)分析各种集成算法的优缺点,基于XGBoost算法构建铁路货物列车分布态势推演模型,对比XGBoost算法与其他集成算法和极大加代数方法对于货物列车晚点时间推演的准确率及计算速度。利用极大加代数方法对XGBoost算法进行改进,使偶发事件下的货物列车分布态势推演结果更准确,增强了货物列车分布态势推演模型的强韧性。(4)以强降雪天气下的武汉铁路局的真实铁路网络情况为案例,利用本文构建的模型对武汉铁路局的铁路货物列车分布态势进行推演,并对推演结果进行对比分析,验证模型的有效性及实用性。