我们提出了一种基于贝叶斯网络（BN）的列车延误预测模型，以解决列车运行的复杂性和依赖性。 利用来自高速铁路线的实际列车运行数据，研究了三种不同的BN方案，即启发式爬山，原始线性和混合结构。 我们首先使用历史数据来合理化已开发结构的依赖性图。 然后，每个BN结构都使用黄金标准的k倍交叉验证方法进行训练，以避免过度拟合并评估其对其他结构的性能。总的来说，验证结果表明，基于BN的模型可以有效地捕获列车时延的叠加和相互作用。 但是，基于领域知识以及专业知识和地方当局的判断而开发的设计良好的混合BN结构可