铁路网上售票系统的上线运行,在其后台数据库中堆积了大量的客户信息,这些信息中蕴含着客户的行为模式和偏好的潜在信息。如何从这些数据中发现用户的使用偏好等行为信息,对铁路客运部门的运营决策具有重要的实际价值。本论文以铁路网上售票系统的web日志和客票数据库为分析基础,采用聚类分析、人工神经网络等为建模方法,对铁路客户的行为、网上售票量预测等问题进行了研究。本论文的主要工作如下：1.构建了基于客户特征、购票行为和使用偏好三个维度的铁路客户行为分析指标体系。该指标体系以姓名、年龄、旅客类型、所在地、购买时间、购买次数、页面访问次数、页面停留时间、页面操作、操作返回状态为二级分析指标,并结合铁路电子商务的实际需求,给出了具体指标的定义及相应的度量方法。2.提出了基于客户偏好和SOMKmeans混合算法的铁路客户群聚类模型。该模型以web日志数据为分析基础,结合相关指标的定义和度量,来建立铁路客户在网上售票系统中的使用偏好矩阵,以用户的使用偏好作为细分依据来实现铁路客户群的分析。3.提出了基于改进的BP神经网络的铁路网络售票量预测模型。该模型采以不同客户特征的客户数量和节假日影响度为影响因子,结合铁路网上售票系统客户交易成交量的季节性变化趋势,对铁路网上售票量进行预测。4.设计并实现了铁路客户行为分析系统原型。基于以上模型及算法,采用VC++和SQLServer2005为开发环境,实现了铁路客户行为分析的系统原型,验证了上述模型的有效性和可用性。本论文的研究结果为铁路客运部门了解分析客户行为、预测未来网上售票系统的售票量提供一定的参考。