铁路作为最大众化的交通工具，一直是人们出行的主要方式之一。近些年随着高铁的建设不断加快，选择铁路出行的人越来越多，由此进一步地刺激了客运量的增长。客运量的增长迫切需要我们加快铁路的建设。因此，作为建设依据之一的客运量预测，正发挥着越来越大的作用。选择合适的方法能有效地提高预测的精度。本文把支持向量机(SVM)和遗传算法(GA)结合的GA-SVM方法运用到铁路客运量预测当中，探讨GA-SVM在铁路客运量预测中的作用。本文首先对客运量预测的重要程度进行了探讨，并且介绍了一些常规的预测方法，如时间序列预测法、回归模型、灰色预测等等。通过分析比较各种方法的优缺点，指出探索新方法的必要性。其次对影响铁路客运量的变化因素进行了总结。根据相关性分析，确立影响铁路客运量变化的主要影响因子。接着，通过介绍支持向量机和遗传算法的基础理论，选择了两种结合的方法，即GA-SVM作为本文的预测方法，建立了影响因素下的GA-SVM的铁路客运量预测模型。为了验证模型的有效性，文章选用一些传统的预测算法和神经网络做了比较，从另一方面证明了GA-SVM方法的预测效果。最后对论文作了总结，指出论文的不足之处及今后需要改进的方向。