运量和运价的预测是线路项目建设乃至以后运营的必要且关键的工作。可以说，做好运量和运价的预测工作是进行线路建设和设计工作的起步点，是工程项目建设规模和运营经济评价的基础，是管理层进行正确决策的重要依据。近些年来兴起的人工神经网络(Artificial Neural Networks，简称ANN)有表示任意非线性关系和学习等能力，给解决这类问题提供了新的思路方法。人工神经网络研究方法具有很强的容错性和自学习能力以及善于联想、概括、类比等特性，数学上能够证明，神经网络可以逼近所有函数，这意味着神经网络能自动地逼近那些最佳刻画了样本数据规律的函数，而不论这些函数具有怎样的形式，因此应用神经网络进行项目的预测研究对以后的经济评价及决策有很好的现实意义。本文针对目前在运量预测中常用的预测方法的不足，结合线路自身的特殊情况，采用神经网络与四阶段法相组合的方法进行预测，就客运量详细地构造了预测模型。第一步应用神经网络把各OD区的国民生产总值、人均收入和人口数以及客流交通量建立起联系，来进行客流量的预测。因为神经网络不但考虑政治、经济、人口等因素的影响，而且还考虑了时间、票价以及运距的影响，实例验证表明本文的神经网络模型用误差反向传播算法具有良好的收敛性，能够取得理想的预测结果；然后套用四阶段法的理论，在第二阶段的交通分布计算中，因为增长率法中的Frat(?)r法认为两交通区之间未来的交通量不仅与两交通区的交通增长系数有关，而且还与各交通区的交通量总增长系数有关，考虑了各个方面的影响，所以以Frat(?)r法计算客流量的交通分布；再以重力模型法计算诱发客流；最后阶段依据运输阻力构建的分担率模型计算转移客流，分担客流和转移客流之和即为线路的旅客需求量。在后面的内容中，本文预测了敦煌铁路柳园—敦煌段的客流密度并根据运距计算出客运周转量，另外本文还利用线形回归模型预测出线路在近、远期的货运量、货运密度以及货运周转量。并根据相关单位成本，以及客、货运周转量计算预测出线路的运价范围，为项目以后的经济预算提供支持。最后一章是针对在营销工作中存在的问题进行分析，提出解决营销工作中存在的这些问题的思路，具体分析了敦煌铁路线的自身特点，并提供了铁路线运营后开展市场营销的一些详细的策略，为线路以后的运营提供参考依据。