近年来我国铁路事业迅猛发展,在建的铁路项目很多,陆续还有更多的项目上马。运量预测工作在交通工程建设的前期工作中处于十分重要的地位,准确的客运量预测是进行交通规划和管理的主要依据之一。预测方法的选择直接影响预测结果的精度,本文旨在把遗传算法和BP网络结合GA-BP方法引入铁路客运量预测领域,并以高精度为目标,研究GA-BP方法的铁路客运量预测。论文首先分析了客运量预测的重要性,总结了铁路客运量预测的方法,如时间序列的移动平移法、指数平滑预测模型、灰色GM(1,1)模型等、影响因素法的线性回归模型,并分析了各种常用方法的适用范围和优缺点。其次探讨了铁路客运量的发展趋势及影响因素。根据预测铁路客运量时选择影响因素的准则,确定了本文用于影响因素法预测的八个影响因子。接着选择遗传算法优化BP网络阀值和权值形成的GA-BP算法作为本文的主要预测手段。分别建立了多影响因子的GA-BP模型、时间序列的GA-BP模型预测。另外比较多影响因子的GA-BP和BP的预测结果,验证了前者改良了后者的局限性并提高了预测精度；比较多影响因子的GA-BP模型和三次指数平滑模型、一元线性回归模型、灰色GM(1,1)模型的预测结果,验证了多影响因子的GA-BP模型预测的有效性；比较时间序列的GA-BP模型与多影响因子的GA-BP和BP模型的预测结果,显示时间序列的GA-BP模型预测我国铁路客运量不可靠。最后,对应用GA-BP网络预测铁路客运量的若干要点和局限性做了说明,并对进一步工作的方向进行了简要讨论。