随着经济发展,人流量急剧增加,路面交通工具的数目也与日俱增,为了降低路面的交通压力,地铁的作用便显得越发的重要。随着地铁线路逐渐的增多和地铁线路的逐渐完备,地铁客流的时间分布和空间分布都出现了不同程度的变化。准确、完整的预测地铁客流的短时客流量,对制定地铁运营方案、减少人员流动带来的事故、制定地铁行车调度方案等都有很大的帮助。因此,地铁客流预测尤为重要。本文主要以南昌地铁二号线客流量作为数据支持,开展了对南昌地铁二号线客流预测的相关研究,本文主要工作如下:（1）研究了国内外关于BP神经网络的客流预测相关理论和实验分析,收集并整理了2019年1月1日到2020年12月31日南昌地铁二号线客流数据,构建了训练数据和测试数据。根据数据之间的关系对缺失数据和错误数据进行了缺失处理和错误处理,构建了一个关于地铁客流与历史天气数据,历史时间数据以及历史客流数据之间的相关BP神经网络预测模型。（2）使用BP神经网络预测模型对训练数据进行训练后,对2020年7月、8月南昌地铁二号线客流进行了预测,根据预测结果对BP神经网络预测效果及不足之处进行分析。（3）研究了遗传算法的原理和优缺点,对其进行染色体编码、挑选合适的适应性函数、对遗传算法中的三种操作选择更加符合本文试验需求的操作方法。通过改进遗传算法,优化BP神经网络模型中的权值和阈值的选取,建立经改进后的遗传算法和BP神经网络组合而成的组合模型。（4）将BP神经网络预测模型、基于遗传算法的BP神经网络预测模型、改进后的组合模型同时进行预测。结果表明,改进后的组合模型在客流预测方面准确度比BP神经网络预测模型精度高10%左右,比传统的遗传算法改进的神经网络精度高4%-6%。