铁路运输是我国综合运输系统中最重要的运输方式之一,在大宗货物长距离运输中具有不可替代的优势和作用,为我国经济高速稳定发展做出了重大贡献。铁路货运量预测是制定铁路发展规划的依据,是运输企业经营决策的前提,科学的货运量预测对铁路发展战略的制定、充分发挥铁路运输能力具有十分重要的意义。但是,铁路运输作为一个复杂的动态系统,其运行受到多种因素共同作用,其中最显著的影响来自国民经济宏观环境。传统预测方法往往忽略国民经济宏观环境的影响,存在突变误差较大、抗干扰能力弱等不足。因此,有必要研究国民经济宏观环境对铁路货运量预测的影响,提出相应解决措施,建立更合理的铁路货运量预测模型。论文首先在广泛查阅国内外有关文献的基础上,分析了铁路货运量的影响因素以及现有各种铁路货运量预测方法的优点及不足。接着,论文重点分析了经济周期理论以及经济周期对铁路货运量预测的影响,认为只有充分考虑经济周期的影响,才能减少突变性误差,提高预测的抗干扰能力。并提出在利用人工神经网络进行铁路货运量预测时,训练样本的时间长度为最近的一个完整经济周期。在经济周期理论和人工神经网络理论的基础上,论文提出了经济周期阶段参数的概念,并建立了基于经济周期的铁路货运量预测模型。模型由影响因素分析模块、经济周期分析模块和综合预测模块组成。其中经济周期分析模块是整个改进模型的核心,准确的经济周期测定和阶段划分是对铁路货运量进行准确预测的前提。最后,论文选取大秦线作为实例,分别利用改进模型和传统模型进行大秦线货运量预测,并对预测结果进行对比分析,论证改进模型的优势以及利用动态网络预测铁路货运量的可行性。