随着中国经济的飞速发展,城市间的联系变得愈加密切,我国进入客运线路大规模投资建设时期,大型铁路尤其是高速铁路的建成运营,有效缓解了目前客运能力紧张的局面。在铁路运输方面,对运量进行预测是铁路规划投资建设之前必须完成的一项重要工作,准确的铁路客运量预测在铁路建设项目经济评估、国家资源配置、铁路内部投资结构调整和经营管理等方面发挥着重要作用。因而,如何对铁路客运量进行科学合理的预测是交通领域一项重要的研究课题。通过对国内外铁路客运量预测的研究现状进行分析和总结,发现铁路客运量受多层次多方面因素影响,准确描述其发展变化规律较为复杂,导致传统预测方法所得的预测结果准确性有限,相关研究表明,使用GIOWA算子将不同的单项预测方法综合起来所得到的组合预测方法可以有效提高模型整体预测精度。该组合模型通过对每个单项预测方法在样本区间上各个时点的拟合精度的高低按顺序赋权,弥补了传统组合预测方法固定赋权的缺陷,从而有效提升了模型的预测性能。本文首先根据各单项预测模型的优缺点及适用性、GIOWA组合预测中单项模型的选取原则,结合铁路客运量变化的发展规律,遴选ARIMA模型、偏最小二乘回归模型和GRNN网络模型作为铁路客运量预测分析的单项模型;其次,对影响铁路客运量的诸多因素进行划分归类,并采用相关系数法最终确定了与铁路客运量相关的因素。然后,引入广义诱导因子GIOWA,选取了IOWA、IOWGA、IOWHA算子构建了铁路客运量组合预测模型。该组合预测模型在指标信息集结过程中,考虑了指标集自身的重要性程度以及单项模型预测结果的精确性,通过集成利用各单项预测模型的信息,有效降低了单项模型的预测误差。最后以我国铁路客运量及各影响因素历史数据为模型样本,分别建立基于时间序列的GIOWA组合预测模型和基于影响因素的GIOWA组合预测模型进行预测;然后,选取平均绝对误差、均方误差和平均绝对百分比误差作为评价指标验证各模型预测结果的精确性。结果表明,GIOWA组合预测模型所得结果相比各单项预测模型及传统预测方法,与实际客运量误差更小,预测精度更高,其中基于影响因素的GIOWA组合模型预测性能更优,验证了本文所提出的组合预测模型的有效性,能够为交通规划提供有效参考与借鉴。