针对城市轨道交通短时客流量预测问题,提出了一种基于自适应t分布变异的蝙蝠算法(ATM-BA)优化的小波神经网络(WNN)预测模型(ATM-BA-WNN)。在基本蝙蝠算法(BA)中引入带有线性递减控制因子的自适应t分布变异,使其具有变异机制,能够跳出早熟收敛。并将ATM-BA与WNN两者相互耦合,利用ATM-BA优化WNN的参数配置,进而提高WNN的预测精度。运用ATM-BA-WNN模型对郑州地铁1号线短时客流量进行预测,并与传统的WNN预测模型、BA优化的WNN(BA-WNN)预测模型以及支持向量机(SVM)预测模型进行比较。仿真结果表明,相较于其他3种模型,所建预测模型预测精度最高,拟合能力更强,误差最小,从而证明了该模型在短时客流量预测领域的可行性及优越性。