在全球节能减排这一趋势下，中国积极响应并确立了减排目标，制定系列政策以实现合理减排。2020年即中国“十三五”收官之年，也是中国各项成果验收的节点。一方面需要针对该阶段节能减排目标进行验收，找差距抓落实，完善减排路径。另一方面需要为接下来的新阶段制定合理的政策规划，以实现更加高效稳定的发展。精确的碳排放预测是进行政策制定指导以及规划的前提。然而，由于碳排放受能源、经济、社会发展、产业结构、科技等诸多因素的影响，加之不同因素的影响程度不一，因此如何提取众多变量中的有效信息进行较为精准预测是碳排放预测的关键。
　　基于上述背景，本文提出了基于Adaboost提升算法优化LASSO回归的预测模型，对中国的碳排放进行预测分析。首先，本文选取了涵盖能源、经济、产业结构、社会发展、科技进步等诸多层面的指标，以碳排放源为分类标准对19个指标变量进行了初步分类。在此基础上，本文基于计量经济学理论，对于影响因素变量进行了检验，验证影响变量选取的合理性。本研究的核心之一是运用LASSO算法对上述变量进行提取，进一步展开预测。其次，本文通过对提出的模型进行提升前后的纵向对比分析和与其他回归方法进行横向对比分析，验证预测结果的精确性和模型的有效性。此外，本文运用提出的模型，结合情景分析，对中国2020年、2025年以及2030年的碳排放进行了预测分析，模拟了不同情景下的碳排放情况。最后，本文以不同影响因素的分析以及情景模拟预测结果为分析基础，提出改进及完善措施，为政策的制定提供有效参考依据。
　　研究结果表明：利用LASSO进行指标筛选结果表明，煤炭消费量、石油消费量、平板玻璃产量以及生铁和粗钢产量对碳排放的影响程度较大。相比于单一的LASSO模型预测结果存在的0.99%的平均相对误差，Adaboost-LASSO模型平均相对误差仅为0.23%。且其误差远低于线性回归、岭回归、弹性网回归等回归模型以及提升后的回归模型。针对碳排放的情景预测结果表明，在基准情景下，预测中国碳排放始终处于增长趋势。在政策驱动情景下，中国的碳排放先升后降在2018年达到峰值。在技术驱动情景下，中国的碳排放自2019年始终处于下降的趋势。