随着我国国民经济的不断发展,人民生活水平的日益提高,在此背景下,高速铁路客流需求预测显得愈发重要,也是铁路部门的重要任务之一,尤其是在目前高速铁路快速发展之下,铁路运能持续增长,高铁线路不断增加,线网覆盖范围逐年扩大,“四纵四横”高铁骨干网络已经基本成型,“八纵八横”的高铁网络还在不断完善。准确的客流预测对于高铁线路的走向、车站能力配置、运行计划编制等有重要的意义。对铁路客流预测的相关研究进行分析发现,以往的铁路客流预测主要是针对远期客流进行预测,短期的铁路客流预测较少,并且对常规铁路的客流预测研究较多,高速铁路的研究相对较少。在预测模型及算法方面,既有基于传统的客流预测模型进行改进,也有对新技术和方法的应用。但是,将这些方法直接用于高速铁路的客流预测显然存在许多问题。并且目前预测手段与实际偏离比较严重,而且有的预测方法也是从其他方向的移植到铁路客流预测当中的,所以在实际过程中,需要对预测过程严格把关,对影响因素作充分的分析,如此才能建立比较科学的预测模型。本文以哈牡高速铁路2019年3月2日至7月15日的客流量为研究对象,分析了哈牡高铁哈尔滨站与牡丹江站的客流分布规律。本文将研究时段分为正常工作日与法定节假日,并分析了这两个车站客流量在正常工作日与法定节假日的常见统计指标。最后,本文将哈牡高速铁路2019年3月2日至7月15日的客流量划分为训练集与测试集。在训练集中,使用移动平均、指数平滑与ARIMA模型建立了预测模型,随后对比了不同机器学习算法对客流预测的效果,结果显示随机森林算法有着最优的预测效果,且其预测精度较高。将测试集数据输入所建立的机器学习算法与移动平均、指数平滑与ARIMA模型算法后发现随机森林算法依然在测试集中有着最优的效果,且保持了很高的预测精度。