随着现代化建设的不断推进,我国的铁路事业也得到了飞速发展。目前还有许多在建和即将陆续开工的铁路项目,如何确定这些铁路项目的建设规模,使其既能有效的疏散旅客又不造成运能浪费,这是铁路建设项目前期工作的重点。而准确的进行客流量预测是解决这个问题的关键,铁路系统建设运营规模的确定,往往依据于客流量预测的结果,而预测方法的选择是决定最终预测水平的关键。本文首先简要介绍了中国铁路的历史、现状以及未来的发展趋势,并说明了铁路客流量预测的重要性以及对整个铁路系统的意义。接着简要阐述了目前客流量预测所用的主要预测方法,并对各种方法做出了评论。发现虽然铁路客流量预测方法很多,但是大多数的方法都存在着一些局限性。因此有必要寻找一种既科学又相对简便的方法对铁路客流量进行预测。通过对铁路客流量特点及其数据的分析研究,发现铁路系统受自然条件和社会条件等多种因素影响,并且数据的波动性较大。根据这些特点,本文选择利用计算过程相对简单的灰色模型与马尔科夫链模型相结合的方式,对铁路客流量进行预测。但是目前利用灰色马尔科夫链模型对铁路客流量进行预测时,并没有考虑到该模型本身还存在的一些缺陷。本文提出了传统灰色马尔科夫链模型的两点不足:一是灰色模型在对指数序列进行拟合时存在较大偏差;二是马尔科夫链模型在对灰区间进行白化时,在白化系数的选择上存在缺陷。本文针对以上两点不足,首先通过建立无偏灰色模型来修正传统灰色模型的固有偏差,然后又利用粒子群算法来计算最优的白化系数值。形成了一种新的预测精度更高的模型---粒子群无偏灰色马尔科夫链模型。通过计算表明,粒子群无偏灰色马尔科夫链模型相比传统的灰色马尔科夫链模型,预测精度得到了提高。