Цель: Выбрать и обосновать методы и алгоритмы машинного обучения с целью построения динамических моделей энергооптимального движения локомотива с поездом в режиме реального времени. Ранее был определен уровень фактического использования систем автоматизации вождения грузовых поездов магистральными грузовыми электровозами постоянного тока, а также выявлены факторы, влияющие на энергооптимальный график исполненного движения поездов. Настоящая статья посвящена новому этапу разработки инновационной технологии по автоматизированному управлению локомотивом с поездом в рамках выполнения проекта по гранту ОАО «РЖД» для молодых ученых на проведение научных исследований, направленных на создание новой техники и технологий для применения на железнодорожном транспорте. Методы: Использовались методы оптимизации в машинном обучении с применением программного обеспечения, предназначенного для моделирования нелинейных динамических систем. Результаты: Было установлено, что для решения задачи определения оптимальной позиции контроллера машиниста путем использования результатов обучений рекуррентной нейронной сети является метод Левенберга — Марквардта. Получены графические зависимости гистограмм ошибок и изменения суммарной среднеквадратической ошибки в процессе обучения искусственной нейронной сети. Практическая значимость: Результаты работы могут быть использованы при разработке аппаратно-программных комплексов, с применением методов и алгоритмов искусственного интеллекта, направленных на повышение энергетической эффективности перевозочного процесса.