随着我国社会经济的飞速发展和国民生活水平不断提高,人们对公共交通出行的效率和体验有了更进一步要求,高速铁路是现在大众出行备受青睐的交通工具。为了进一步提高客运服务管理能力和扭转部分地区线路营收不足的局面,铁路部门需要通过了解每日客运量、高峰期和非高峰期的随季节变化指数以及冷热门线路的具体情况来制定合理的列车运行方案,其中,铁路客流量预测研究是提升铁路客运服务能力和合理配置资源的关键。本文选取了某高速铁路客运专线2015年1月至2016年3月的日客流量数据,运用特征工程的方法对原始数据做预处理和特征相关性分析,确定了可用于预测模型的时间序列数据集。通过对铁路客流量变化特点的分析和时间序列预测方法的研究,选择了ARIMA、LSTM和Prophet三种算法对铁路客流量进行预测研究。基于传统的时间序列预测方法构建了ARIMA和LSTM模型分别对铁路未来客流量进行了预测分析。考虑到铁路客流量同时受到季节周期、突发事件和节假日等因素的影响,本文运用了一种新的时间序列预测算法Prophet,并以此原理建立了Prophet预测模型。对不同单项模型的预测误差进行对比分析,发现单项模型预测准确度的不足,提出了在单项模型预测基础上构建组合模型ARIMA-Prophet和LSTM-Prophet。通过运用可视化方法和模型预测评价指标对不同模型之间的预测误差做综合对比分析。结果表明,改进后的组合模型预测性能明显高于单项模型的预测性能,可以更有效地对铁路未来客流量做出精确预测。