铁路运量预测是进行铁路建设项目经济评价的准备工作,也是制定未来铁路运输发展战略的重要依据。铁路运量预测的准确性对工程项目的投资和效益、运输资源的合理分配、运能的充分利用都有直接影响。因此,高效准确的预测铁路运量有着十分重要的意义。目前国内外关于铁路运量预测的方法和模型种类较多,其预测性能和适用条件各不相同。由于我国社会经济发展的不平衡,不同地区铁路运输系统的发展程度也不一致,在进行铁路运量预测时,需要考察铁路运输与地区经济系统的发展协调状况,选择合理的模型。本文从两个方面做了研究工作：一方面,借鉴物理学中的耦合度函数提出铁路运输与地区经济系统的耦合度评价模型。铁路运输作为带动经济发展的主要交通运输方式,是支持我国经济发展的基础设施和强大动力。铁路运输的发展水平与地区经济的发展有着极为重要的联系。铁路运输与地区经济通过协调发展,达到相互促进、共同发展的目的。本文建立了铁路运输与地区经济系统的耦合度评价模型,为更全面、更准确的认识铁路运输与地区经济系统的协调发展状况,提供了途径,也为合理选择铁路运输预测模型提供了参考依据。另一方面,将支持向量机引入到铁路运量的预测模型中,建立了基于SVM多元回归和基于SVM自回归的铁路运量预测模型。支持向量机是基于统计学习理论的一种学习方法,能解决非线性、高维度、贫信息等问题。本文建立了基于支持向量机的铁路运量预测模型,采用《成都铁路局统计年鉴》的相关数据,进行了仿真实验,通过与线性回归模型,BP神经网络模型,灰色系统模型比较,可以得到结论：支持向量机是一种精度高、稳定性好的预测模型,能够很好的用于铁路运量的预测。