本发明属于铁路安全运行控制技术领域，具体的说是涉及一种基于深度学习的轨道‑车体振动状态预测方法。本发明的主要步骤为：将二维的轨道不平顺数据转化成RGB图像数据以构建训练集；构建CNN网络结构；将训练集输入CNN网络，对CNN网络进行训练；将待识别的轨道不平顺数据转化成轨道不平顺图像样本，输入到训练好的CNN模型进行车体振动状态预测。本发明的有益效果是：区别于传统的基于机器学习方法的轨道‑车体振动状态预测方法，本发明有效降低了建模的复杂度；本发明方法只需提供原始轨道不平顺数据用于对CNN网络的训练，能够自动提取到有利于轨道‑车体振动状态分类任务的特征，避免了复杂的特征提取、选择过程。