铁路货运量作为铁路运输能力的重要体现,把握其未来发展趋势显得尤其重要。通过制定调节铁路货运量影响因素的政策来调控铁路货运量,能够提高铁路运输系统的运营效率,为铁路运输企业制定市场营销计划提供参考,为相关铁路部门制定铁路相关政策提供依据并且为国家未来铁路建设投资方向提供依据。本文的研究目的是在预测未来铁路货运量下降的基础上,分析铁路货运量的时间序列预测模型、神经网络模型和多元线性回归模型的预测效果和实用价值,为提高铁路货运量提出政策建议。本文运用1990-2014年的铁路货运量历史数据构建多个时间序列预测模型并且选择平均相对误差最小的四次多项式回归时间序列预测模型作为最佳时间序列预测模型。通过最佳时间序列预测模型预测未来五年的铁路货运量。结果显示未来五年的铁路货运量为406,833.5万吨,407,704.9万吨,404,408-3万吨,396,420.8万吨和383,200.8万吨。铁路货运量未来呈现下降趋势。为了应对铁路货运量未来下降的问题,本文基于灰色关联分析方法筛选出铁路货运量的8个关键影响因素,并且构建初步多元线性回归模型和神经网络模型。通过逐步回归法,铁路货运量的最佳多元线性回归模型的关键影响因素包括国家财政总收入、全国煤油产量、全国钢铁产量、公路货运量和水路货运量。国家财政总收入、全国煤油产量和全国钢铁产量对铁路货运量有正效应；水路货运量和公路货运量对铁路货运量有负效应。通过分析时间序列预测模型、神经网络模型和多元线性回归模型,评价三个模型的预测效果和使用价值,基于多元线性回归模型具有通过提出政策调节影响因素从而调控未来铁路货运量的实际意义,选择多元线性回归模型为最具使用价值的铁路货运量模型。本文的创新点在于通过选择最佳时间序列预测模型预测未来铁路货运量,并且基于灰色关联分析方法构建多元线性回归模型分析关键影响因素对铁路货运量的影响,进而为调控铁路货运量提供参考意见。