1、鐵路貨運量預測結(jié)果的準確性是鐵路相關部門進行決策的重要依據(jù)，對于固定資產(chǎn)投入的合理性有一定的指導作用，有利于充分利用鐵路運能，同時，在決策者進行運輸規(guī)劃和方案制定時，準確及時的預測結(jié)果是規(guī)劃方案成功的重要前提。我國目前的市場環(huán)境比較復雜，鐵路總局近些年的凈利潤甚至不足以償還銀行貸款利息，這樣的態(tài)勢已經(jīng)持續(xù)了一段時間，產(chǎn)業(yè)結(jié)構和空間布局的大變動也使得鐵路貨運的影響因素發(fā)生了改變，宏觀經(jīng)濟同鐵路貨運量的相關性和解釋度正在下降，基于這樣的原因

2、，準確、科學、快速的鐵路貨運量預測方法為鐵路相關部門的決策提供指導顯得很有必要，引入新鮮血液，運用新的理論方法對鐵路貨運量進行預測也顯得更加重要，同時我們也要充分的意識到，新的理論方法的運用必定存在著一定的局限性和不成熟的地方，需要不斷地發(fā)展和完善。
　　本文首先對鐵路貨運的現(xiàn)狀進行了分析，確認在當前的環(huán)境下，提出適應時代發(fā)展要求的新的鐵路貨運量預測理論和方法的必要性。接著對鐵路貨運量的預測方法進行了概述，包括傳統(tǒng)的預測方法及本文

3、將涉及到的新方法，即機器學習。然后在分析了當前的經(jīng)濟形勢和市場環(huán)境的前提下，找到包括成品鋼材產(chǎn)量、原煤產(chǎn)量、原油加工產(chǎn)量、火力發(fā)電量、固定資產(chǎn)投資和工業(yè)增加值增長率在內(nèi)的六個因素，用于機器學習算法的建模，并選取了2001年-2013年的鐵路貨運相關數(shù)據(jù)的月度值作為原始數(shù)據(jù)，利用支持向量機、人工神經(jīng)網(wǎng)絡、Bagging算法和隨機森林算法進行實證分析。本文用四種機器學習算法進行了鐵路貨運量預測的建模，并在R平臺上編程實現(xiàn)了算法以及得出結(jié)果。