铁路货运量预测结果的准确性是铁路相关部门进行决策的重要依据,对于固定资产投入的合理性有一定的指导作用,有利于充分利用铁路运能,同时,在决策者进行运输规划和方案制定时,准确及时的预测结果是规划方案成功的重要前提。我国目前的市场环境比较复杂,铁路总局近些年的净利润甚至不足以偿还银行贷款利息,这样的态势已经持续了一段时间,产业结构和空间布局的大变动也使得铁路货运的影响因素发生了改变,宏观经济同铁路货运量的相关性和解释度正在下降,基于这样的原因,准确、科学、快速的铁路货运量预测方法为铁路相关部门的决策提供指导显得很有必要,引入新鲜血液,运用新的理论方法对铁路货运量进行预测也显得更加重要,同时我们也要充分的意识到,新的理论方法的运用必定存在着一定的局限性和不成熟的地方,需要不断地发展和完善。本文首先对铁路货运的现状进行了分析,确认在当前的环境下,提出适应时代发展要求的新的铁路货运量预测理论和方法的必要性。接着对铁路货运量的预测方法进行了概述,包括传统的预测方法及本文将涉及到的新方法,即机器学习。然后在分析了当前的经济形势和市场环境的前提下,找到包括成品钢材产量、原煤产量、原油加工产量、火力发电量、固定资产投资和工业增加值增长率在内的六个因素,用于机器学习算法的建模,并选取了2001年-2013年的铁路货运相关数据的月度值作为原始数据,利用支持向量机、人工神经网络、Bagging算法和随机森林算法进行实证分析。本文用四种机器学习算法进行了铁路货运量预测的建模,并在R平台上编程实现了算法以及得出结果。最后,对这四种算法进行了比较,分析各算法的优劣。通过机器学习理论在铁路货运量预测中的应用,得到了较为理想的预测结果,四个算法各有优劣,作者认为对于在铁路货运量预测中引入机器学习理论是一次好的尝试,新方法在进行铁路货运量预测上有一定的可行性。