为了提高铁路货运量的预测精度，基于货运量线性和非线性的特点，选取中国铁路1980-2020年的货运量作为研究对象，提出ARIMA和BP神经网络的组合模型，基于简单加权和残差优化两种不同组合方法对铁路货运量进行建模分析，并与ARIMA、BP神经网络单一模型进行对比。实验结果表明，ARIMA-BP残差优化的组合模型结果精度较高，评价指标MAE、MAPE、RMSE分别为5 135.90、0.020 9、8 462.49。基于ARIMA-BP残差优化的组合模型实现了对货运量的较好预测，对铁路运输部门灵活制定相关政策具有重要意义。
0 引言
铁路货运量在我国运输行业的发展中扮演着重要角色，能够反映出我国交通运输行业现状及国民经济发展情况，同时也存在因运输设备不足而不能满足货运需求等问题，面临着公路、水路等其他运输方式的竞争[1]。铁路相关部门需要制定灵活的运输计划，优化铁路运输问题改善竞争局面，这就需要通过对货运量进行预测，掌握一定时期的货运量以判断我国铁路货运发展趋势和未来经济发展，制定相关计划