近年来,为提高我国经济发展速度,提高人民的生活水平,解决迅速增长的旅客运输需求,我国在客运专线建设方面的投资逐渐增加。大型铁路尤其是高速铁路的建设运营效益亦不负众望,大大提升了铁路网的总客运量,有效缓解了当下客运能力不足的局势,为人民的出行带来了极大的便利。当前,我国的运输体系已建设成基于铁路（包括普速铁路和高速铁路）、公路、航空、水运和管道五种运输方式的全国性运输体系,其中高速铁路因其舒适的乘车环境和高品质的服务水平,吸引了较多客流,对其它客运方式产生了较大影响,在客运系统中的地位越来越重要。由于我国高速铁路仍然处在快速建设阶段,目前高速铁路系统乃至整个运输系统都在不断地发展变化着。高速铁路建设成本十分不菲,运营费用不可忽视。因而,为高速铁路的快速健康发展,无论建设前期的规划阶段还是后期运营的提前制定计划,都需要做充分的基础研究。客运量是体现旅客运输量的重要指标之一,有效的预测客运量对于高速铁路的发展具有重要意义。在运营过程中,铁路部门可根据预测结果主动调整相关计划,如列车运营计划、列车调度、车辆调度、供电运营管理等,从而降低运营成本,增加运营效益。此外,高速铁路投资分配的经济原则主要取决于客流,包括新产生的高铁客流和从航空和汽车客流转移的客流。由于当下高速铁路所处的复杂阶段,客运量数据内在变化特征不单一。本文在分析高速铁路客运量的内在数据特征的基础上,构建了数据驱动的预测方法。该方法包含数据预处理、数据预测、预测后处理三个模块。其中数据预处理模块包括递归图分析方法、STL（seasonal and trend decomposition using loess）时间序列分解方法、自相关函数分析方法、偏自相关函数、单位根检验、滑动分块Bootstrap和分解子序列的线性组合的外推法。数据预测模块由灰色相关性分析、递归图分析、核极限学习机、季节性自回归滑动平均求和以及支持向量回归组成。预测后处理模块包括重组外推序列和Bagging集成学习（bagging predictors）两个策略。为检验这一复合方法的预测性能,文中以A和B两个高速铁路车站的旅客发送量数据作为研究对象,构建5个复合模型与其3个单一子模型一并作为基准模型,进行对比实验。概率预测能够量化由随机因素造成的预测结果波动,因而,文中不仅实现了确定性预测也进行了概率预测。鉴于多步预测能够为高速铁路运营计划的制定提供更多参考信息,因而就确定性预测与概率预测,文中分别给出了一步,两步与三步的预测结果。在检验预测方法性能的过程中,有针对性地选用评价指标构建完备的评价体系,是对比实验有效性的重要保障。在确定性预测实验中,文中选用10个评价指标,从多个角度评价了这一基于数据驱动的预测方法及其对比模型的预测结果;在概率预测实验中,采用4个评价指标,从不同方面评价了该方法及其对比模型的预测区间。实验结果表明,基于数据驱动的预测系统在各个方面都优于所有单一子模型和其它复合模型,能够更准确地评估高速铁路客运量。