在铁路事业快速发展的大环境下，深入研究铁路客流量问题是改善铁路的资源配置、提升铁路的客运效率和收益的基础。但是铁路客流易受到多种因素影响而发生变化，如在非节假日期间，旅客出行人数减少，某些线路内车次的上座率低，出现铁路运营成本过高的问题，而在节假日期间，铁路客流人数骤然增加，出现铁路运力无法满足旅客基本出行需求的问题。针对上述问题，本文对铁路车站客流量预测问题进行研究，旨在实现客流量的准确预测，为编写合理有效的车辆调度方案，提供科学依据。
　　本文的主要工作及研究成果如下:
　　(1)统计分析获得了铁路客流的时序特征。通过绘制时序图，在分析平日客流和暑假客流的同时，对节假日客流进行研究，获得平日和节假日期间客流的时序特征，为后续制订合理预测方法提供依据。研究了铁路客流的相关影响因素，提出分级评分的方法，分析天气和温度情况对铁路客流的影响。
　　(2)从模态识别角度获取铁路客流的波动特征。首次采用基于自适应波形匹配端点延拓的EMD算法分解多种客流混合叠加的铁路客流，并通过希尔伯特频谱分析法计算各分量的连续频率和周期，获得铁路客流各叠加分量的时序特征和客流量变化趋势。
　　(3)提出了基于自适应波形匹配端点延拓的EMD-SVR平日客流量预测模型。在对铁路客流采用改进EMD算法分解后，对分量采用基于遗传算法优化的支持向量回归模型进行预测，根据各分量与原始时间序列的相关性和功率贡献率，建立基于全部分量的EMD-SVR1模型和基于合并分量的EMD-SVR2模型，实验选取适合模型获得较为精确的平日客流预测结果。
　　(4)建立基于客流波动系数的节假日客流预测模型。针对节假日期间客流变化幅度大、缺乏历史数据的问题，采用层次聚类法对客流波动系数序列进行聚类，根据聚类结果定义车站间的相似程度，然后以客流基数为指标，提出了基于客流量相似程度的波动系数定义方法，并将平日客流预测值与波动系数相结合，获得节假日客流预测结果，实验验证该模型具有较高的预测精度。