铁轨在承载列车运行的情况下会逐渐产生几何不平顺,对列车的安全产生威胁。因此,铁路工务部门会先对线路进行检测,然后依据检测结果制定线路养护维修计划。随着我国铁路网规模的不断扩大,现有的养护模式,使得工务部门疲于应付各种线路病害,造成资源浪费、维修不及时等问题。如果能够给出轨道不平顺发展趋势的准确预测,将对轨道养护维修及列车安全、舒适运行等方面具有重大的现实意义。因此,本课题就如何提升轨道不平顺预测精度进行了研究。通过对现有轨道不平顺预测方法进行研究,分析现有工作的不足之处,并结合轨道检测数据的特点,提出了一种新的轨道不平顺预测模型;然后基于该模型,结合实际需求,设计并实现了轨道不平顺预测系统。一方面,本文根据现有工作的不足之处并结合轨道质量发展变化的规律,提出一种轨道质量预测方法。第一步,本文利用权重矩阵提升灰色模型预测的准确性,并使用灰色模型对TQI的整体发展趋势进行预测;第二步,针对TQI数据具有时间序列的特性,本文使用循环神经网络对TQI发展趋势中具有的随机性进行预测;第三步,结合两部分的预测结果作为最终预测值。在实际检测数据上进行验证,实验结果表明该方法取得了较好的预测精度。另一方面,本文根据实际需求设计并实现了轨道不平顺预测系统。本系统主要包括检测数据采集、数据展示、数据标注、里程校准、TQI计算和趋势预测等功能,可以为铁路工作人员提供完整的检测数据接收与处理流程,以方便铁路工作人员对检测数据进行合理分析与利用,从而实现保障铁路运输安全及节约铁路养护维修成本的目的。