为了准确评估铁路线路的安全性、预测线路的服役状态，提出一种轨道动态不平顺的预测方法。利用集成学习模型研究轨道不平顺标准差，使用贝叶斯优化对集成模型参数进行对比，分析并探究了轨道不平顺动/静态检测均值数据之间的相关性和差异性，同时通过蒙特卡洛交叉验证法提高模型的准确性能评估。结合某高铁线路轨道几何检测数据，以静态标准差数据作为参考基准，对动态高低、轨向标准差数据进行预测，并采用不同的评价指标对预测结果进行评定。结果表明，在隧道段和桥梁段不同的集成模型均具有较好的预测结果。在不同工况下，XGBoost模型与GBDT、LightGBM模型的预测精度相似，均方根误差不大于0.09。XGBoost模型在隧道段高低标准差R2-score可达0.93,在桥梁段轨向标准差R2-score可达0.94;在性能上XGBoost模型运行时间均不超过0.32 s,综合表现效果最佳。