基于STIRPAT模型的中國多情景碳排放預測及減排策略

摘 要：當前，我國正處于逐步實現可持續發展和生態環境保護的階段，未來能源消費直接關系著我國“雙碳”目標的實現。目前，大多碳排放研究主要采用單一分解模型或碳排放預測方法，缺少對碳排放影響因素的判斷篩選。因此，本文基于STIRPAT和嶺回歸模型對我國碳排放量進行預測并提出減排策略。首先，根據我國2003–2023年能源消費量、能源結構等相關數據，對我國能源消費結構和碳排放變化情況進行分析。其次，基于Pearson相關系數法篩選出相關性高的特征因子，構建碳排放影響因素體系。然后，構建基于STIRPAT和嶺回歸模型的碳排放預測模型，STIRPAT模型能夠確定碳排放的主要影響因素，嶺回歸則可以解決多重共線性問題，并利用我國歷年的能源消費相關數據進行預測模型檢驗。接著，運用情景分析法，通過設置基準情景、低碳情景和高碳情景，對不同情景下我國2024–2033年未來碳排放趨勢進行預測。最后，結合多情景預測結果，提出碳減排的策略建議，為實現我國“雙碳”目標提供決策支持。

關鍵詞：STIRPAT模型；碳排放；低碳發展；嶺回歸；減排策略

一、引言

氣候變化是當前全球面臨的重大環境問題，溫室氣體的排放被認為是導致全球變暖的主要原因之一。政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change， IPCC）的研究表明，人類活動中能源消耗和生產活動是主要的碳排放來源，如果不采取有效措施，氣候變化可能帶來不可逆的生態后果。中國如何在保持經濟增長的同時實現碳減排，是未來發展的重要目標。2020年，為應對全球氣候變化，我國明確提出了2030年“碳達峰”和2060年“碳中和”目標（以下簡稱“雙碳”目標）。這一目標不僅反映了中國對全球氣候治理的承諾，也推動了我國經濟社會向綠色低碳轉型。因此，深入分析我國的碳排放影響因素及其未來變動趨勢，能夠為政府部門在規劃碳減排策略時提供科學依據與理論支撐，有助于我國更有效地推進“雙碳”戰略，為全球氣候治理貢獻中國智慧與方案。

二、文獻綜述

當前，已有一些學者圍繞碳排放預測開展了研究工作。在碳排放估算方面，常用的碳排放估算方法包括傳統統計模型、生命周期評價法和情景分析法等。楊靜等人利用清單編制法探討碳排放變化及其驅動因素，并提出減排路徑。張少卿等人提出利用衛星遙感數據和神經網絡的分區建模方法，結合多源數據顯著提高碳排放估算精度。在碳排放的影響因素分析方面，常用方法包括LMDI分解模型、空間計量模型等。趙亮等人基于環境投入產出模型研究了交通運輸業最終需求引發的碳排放變化及其主要驅動因素。王一婕等人采用空間杜賓模型，分析了黃河流域城市碳排放強度的動態演變、區域差異及影響因素。Zhang等人運用Granger因果檢驗分析中國能源消費、碳排放與經濟增長之間的因果關系。Ugur Soytas等人通過使用Toda-Yamamoto因果檢驗分析了美國能源消費、收入與碳排放的動態關系，得出能源消費驅動碳排放的研究結論。

在碳排放預測方面，研究主要集中于機器學習、統計分解及情景模擬，通過改進預測模型提高預測精度，為低碳發展策略提供科學依據。陳哲灃等人基于變分模態分解組合模型對港口碳排放進行多尺度預測，提升波動特征解析與預測精度。李淵等人通過多種機器學習算法挖掘中國碳排放影響因素，模擬預測碳達峰時間。諸曉駿等人使用CEEMDAN和RIME-VMD雙模式分解，結合多模型集成提升短期預測精度。王志強等人綜合AHP-DEMATEL方法與機器學習，研究住宅建筑物化階段碳排放的主要特征和交互作用。鮑學英使用隨機森林算法分析鐵路橋梁建造中的碳排放因素，并提出減排策略。管衛華等人應用SD模型研究能源消費的時空演化，并設定多情景模擬未來趨勢。

綜上所述，以往大多碳排放研究主要采用單一分解模型或碳排放預測方法，缺少對碳排放影響因素的判斷篩選。此外，當前對我國總體的碳排放及未來場景分析研究較少，且研究數據相對陳舊。因此，本文使用2003—2023年我國能源消費相關數據，基于Pearson相關系數法選取與碳排放變化相關性高的特征因子，構建基于STIRPAT和嶺回歸的碳排放量預測模型，通過設定關鍵特征的未來變化率，設置高—中—低發展情景，對我國未來10年的碳排放量進行預測，并提出了碳減排的相關策略建議。

三、研究方法

（一）碳排放核算方法

目前，二氧化碳排放量的測算方法通常參考《IPCC國家溫室氣體排放清單指南》中提供的碳排放系數法。本文參照IPCC指南對二氧化碳排放量進行測算。測算公式如下：

本文考慮的不同能源折合標煤系數及碳排放系數如表1所示，數據來自《綜合能耗計算通則》和《省級溫室氣體清單編制指南》。

（二）STIRPAT模型

（三）嶺回歸模型

嶺回歸是有偏估計回歸方法，被廣泛應用于解決變量間的數據多重共線性影響，嶺回歸在最小二乘法的基礎上添加一個懲罰項，懲罰項調節參數k對模型的預測性能有很大影響。k值為零時，方程變為無偏回歸方程，無法解決變量間多重共線性問題；k越大，共線性對回歸參數穩定性的影響越小，預測的方差也增大。相關公式如下：

（四）評估指標與參數選擇

（五）模型構建

基于上述研究，本文提出了一種基于STIRPAT和嶺回歸模型的碳排放量預測模型，流程圖如圖1所示，具體步驟如下：

（1）通過Pearson相關系數計算分析影響因素與碳排放量之間的關聯性，選取相關性高的特征因子構建碳排放影響因素體系，篩選關鍵特征變量。

（2）基于10折交叉驗證自適應選擇嶺回歸最優超參數，并結合STIRPAT模型構建碳排放預測模型，預測檢驗分析。

（3）根據相關政策文件設定了基準、低碳及高碳三種情景，基于碳排放預測模型分析我國2024—2033年的碳達峰情景，探討我國未來的碳排放趨勢。

四、實證分析

（一）數據來源

本文使用的數據為2003—2023年中國能源消費數據和社會經濟統計數據，包括：人口、人均GDP、產業結構、城鎮化率、能源消費及構成（折合為標煤計算）等，數據均來自《中國統計年鑒》。其中，碳排放量數據根據能源消費量數據核算得出。

（二）能源消費及碳排放變化分析

2003—2023年我國能源消費情況如圖2所示。2003至2023年間，我國能源消費結構經歷了顯著變化，在2003年至2013年期間，煤炭消費量持續增長，但自2014年起開始逐年減少并逐漸趨于穩定。與此同時，石油和天然氣的消費量則持續上升，特別是天然氣，其消費占比從2003年的2.3%顯著提升至2023年的8.5%。此外，一次電力及其他能源的消費量也從2003年起快速增長。盡管煤炭在這20年中仍占據主導地位，但其占比已從2003年的70.2%下降至2020年的66.1%，表明了我國為響應“雙碳”目標，正逐步減少對煤炭的依賴。

2003—2023年我國碳排放及增長情況如圖3所示。圖中可以看出，這20年間我國碳排放整體呈現上升趨勢。特別是在2003年至2011年期間，碳排放總量快速增長，年均增長率多超過7%。2012年，因經濟快速發展導致能源消費激增，我國碳排放量突破了100億噸大關。然而，自2013年起，我國碳排放增速有所放緩，這得益于綠色發展戰略的提出。各行業開始調整產業結構，控制能源消耗和碳排放，從而在一定程度上減緩了碳排放的增長速度，驗證了我國節能減排政策的有效性。

（三）影響因素分析及預測模型驗證

1.影響因素篩選

本文根據全國能源消費及碳排放的實際情況，分別從人口、經濟、產業、能源和社會五個方面選取影響我國碳排放量的關鍵因素，結合國內外相關研究成果，綜合考慮數據可得性，最終篩選出11個關鍵因素，包括：歷年常住人口、人均 GDP 、我國歷年的一二三產業結構、煤炭、石油、天然氣和一次電力及其他能源的能源結構和能源強度以及城鎮化水平，具體定義見表2。

為提高碳排放預測模型的預測精度和性能，本文采取皮爾遜系數法對12個碳排放影響因素進行重要度量化及篩選，計算的相關系數絕對值越接近1，則表明該特征與碳排放量的相關性越強。各影響因素的重要度結果如圖4所示，可以看出，人口、人均GDP、第一產業占比、第三產業占比、天然氣占比、一次電力及其他能源占比、能源強度與城鎮化的相關系數絕對值均大于0.9，表明這8個影響因子與碳排放量存在較強的線性相關性。對于其他3個影響因子，得到的皮爾遜相關系數均相對較低。因此，本文將選取這8個影響因子作為碳排放預測模型的輸入變量。

2.模型結果分析

為避免碳排放預測模型中的影響因素多重共線性問題，本文采用嶺回歸法進行建模，為了確定模型最優超參數，本文采用 10折交叉驗證法。通過將數據集隨機分為10個折疊（folds），選擇其中1個折疊作為驗證集，其余9個折疊作為訓練集，并隨機劃分不同的折疊訓練模型。最終10折交叉驗證選取的超參數a為0.001。

基于STIRPAT模型得到的我國2003—2023年碳排放預測結果如圖5所示，預測誤差結果如表3所示。可以看出，本文所構建的碳排放預測模型擬合程度較好，能夠預測碳排放的變化趨勢，此外，模型的R2為0.99，MAPE為2.86%，說明預測值與真實值之間的誤差較小，因此可以用于預測我國未來的碳排放量情況。

（四）多情景預測分析

1.情景設置

為了探究 “雙碳”目標下我國碳排放的未來趨勢，本文結合我國歷年發展情況、國家發展規劃及相關政策文件，設定了各碳排放影響因素的變化趨勢。按照已有數據，本文分為兩個發展階段進行預測，即：2024—2028年和2029—2033年。同時設置三個發展情景，分別為：基準情景、低碳情景和高碳情景。在基準情景設定中，本文依據“十四五”規劃的指導原則及過往發展數據，保持了原有的發展速度不變。而低碳情景則是在此基礎上，融入了更為嚴格的低碳限制條件，使得各關鍵影響因素的變化率相較于基準情景有所降低，旨在促進可持續發展，著眼長遠目標。在高碳情景下，各影響因素變化率設定高于基準值，聚焦以經濟發展為主導的策略，同時降低對碳排放、大氣污染等的直接干預。

2.情景分析結果

基于碳排放預測模型，結合基準情景、低碳情景和高碳情景對8項碳排放驅動影響因素進行參數設置，分別預測2024—2033年我國的碳排放量，最終預測結果如圖6所示。可以看出，在基準情景下，我國碳排放將在2028—2029年達到峰值，符合我國“雙碳”目標。在低碳情景下，我國碳排放在2025年達到峰值；在高碳情景下，我國碳排放則在2031年左右達到峰值。低碳發展場景下碳達峰的時間更早、碳峰值水平最低，而高碳發展場景會導致碳達峰的時間延后，且碳排放的峰值偏高，無法實現2030年前碳達峰的目標。然而，低碳情景的實現需以節能減排和低碳發展為核心，在一定程度上可能會犧牲部分經濟發展機遇。高碳情景下，經濟發展是主要目標，不可避免地帶來各項能源消耗的顯著上升，這種趨勢會使得我國在實現自主貢獻目標和履行國際氣候承諾上面臨巨大挑戰。

五、 碳減排策略建議

為了盡快實現碳達峰戰略目標，基于本文分析結果，提出以下碳減排策略建議。

（一）堅持經濟高質量發展，推動綠色低碳經濟轉型

第一，貫徹“雙碳”目標與“十四五”規劃要求，推動GDP增速與碳排放強度脫鉤。GDP作為影響我國碳排放的關鍵因素之一，在高碳情境中，過高的GDP增速會導致各項能源消耗的顯著上升，導致碳排放的峰值偏高且無法在2030年實現碳達峰。因此，合理調控國家經濟增長、控制經濟增長速度等對我國踐行綠色低碳發展行動、推進碳達峰進程具有重要意義。在以國內大循環為主體、國內國際雙循環相互促進的新發展格局背景下，逐步實現我國經濟發展戰略由高速增長轉向高質量發展，人均GDP變化也將趨于平穩狀態。第二，根據碳排放情景預測結果，在低碳情境下，我國碳排放量變化幅度基本平穩，在基準情景和高碳情景下，我國在未來的三年到七年中的碳排放量仍有明顯增長趨勢。為扭轉或控制碳排放預測情景中的碳排放量，亟需立足于我國當前經濟發展形勢，實施《2030年前碳達峰行動方案》，建立碳排放總量和強度“雙控”制度，在京津冀、長三角等19個國家級新區開展減污降碳協同創新試點，轉變由資源、勞動力、資本等傳統生產要素驅動的粗放式發展模式，形成有助于實現高質量發展的新質生產力，探索可持續發展道路。第三，借助人工智能、大數據等先進技術實現綠色轉型，建設數字經濟，發展新業態新模式，實現經濟高質量發展。目前我國經濟呈現東高西低、南北分化的特征，區域經濟發展不平衡。各地區應優化區域經濟布局，深入實施區域協調發展戰略，依托“東數西算”、哈大齊國家自主創新示范區等工程推進全國統一大市場建設，破除區域壁壘，以實現發達地區和欠發達地區、東中西部和東北地區共同發展。第四，加快推進傳統制造業向高端化、智能化、綠色化和融合化發展，推進產業鏈延伸和附加值提升，培育世界級先進制造業集群；加快企業智能化改造和數字化轉型，推動綠色循環經濟發展。建議因地制宜發展第三產業，充分挖掘本地資源，積極培育旅游、影視、餐飲、電商、住宿等行業作為區域經濟發展新的增長點。

（二）持續優化產業結構及能源結構，加快構建清潔低碳能源體系

第一，在推進碳達峰進程中，產業結構對我國未來幾年的能源需求及碳排放量有重要影響，為了順利促進碳達峰目標的實現，應落實《工業領域碳達峰實施方案》，引導傳統行業轉型升級，推動傳統產業高質量發展，結構性調整高耗能行業，完成鋼鐵、水泥、電解鋁等重點行業的超低排放改造。第二，重點發展高附加值的戰略性新興產業和未來產業，聚焦新一代信息技術、生物技術、新能源等領域，鼓勵第三產業發展，構建多元化產業結構，提高現代服務業比例，通過產業結構優化調整減少能源消費。第三，根據能源消費數據，我國能源消費總量仍處于上升期，煤炭在我國能源消費結構中仍占絕對優勢，未來應落實“十四五”可再生能源發展規劃，重點推進能源結構優化，嚴控新增煤電項目，推進煤電機組“三改聯動”。此外，在青海、甘肅等西部省份建設大型風光基地，大力發展風電、光伏等可再生能源，充分發揮各地區區域優勢，因地制宜發展風能、太陽能等，著力提高非化石能源消費比例，加快特高壓輸電通道建設，實現跨區域電力資源優化配置，促進清潔能源消納，盡快實現新能源對傳統化石能源的存量替代，加速構建以新能源為主體的新型電力系統。第四，完善國家可再生能源激勵政策，持續提升跨省跨區電力資源配置能力，加快特高壓輸電發展，提高中西部地區可再生能源消納能力。在終端能源利用環節，加大電能替代力度，在工業、交通、建筑等領域廣泛實施以電代煤、以電代油、以電代氣，不斷提高各行業電氣化水平。持續推進煤電節能降碳改造、靈活性改造、供熱改造等，從企業用能到居民用能，逐步實現能源的電力化和清潔化，構建清潔低碳能源體系。

（三）促進綠色低碳技術發展，提高能源利用效率

第一，重視能源強度對促進我國碳排放量降低的影響作用和影響程度。近年來，在節能減排政策推動下，企業采取了各種節能措施，能源消耗強度呈現逐漸下降趨勢。在進一步降碳增效行動中，企業應積極響應《2024—2025年節能降碳行動方案》政策和“千企節能降碳”行動，制定分部門的減排目標，加速重點排放部門低碳轉型，從部門和行業率先達峰的需求出發，加強對電力、鋼鐵、水泥、建材、化工等高耗能重點部門和行業的碳排放管理，推進重點行業和領域節能降碳改造和用能設備更新。第二，強化節能降碳目標責任和評價考核，細化分解各地區和重點領域、重點行業節能降碳目標任務，精準識別碳排放高的能源結構和增長迅速的行業，加強節能降碳形勢分析，實施能耗強度降低提醒預警，制定具有針對性的節能減排政策，強化碳排放強度降低進展評估，壓實企業節能降碳主體責任。第三，實施綠色技術研發補貼，落實環保設備所得稅優惠政策，加大對綠色低碳技術的支持補貼力度，加快節能降耗技術研發。第四，充分發揮國家綠色技術交易中心等平臺作用，推進綠色技術成果轉化，加強對先進技術的消化吸收，不斷強化先進適用技術的研發、推廣和應用。此外，發行碳中和債券并設立國家綠色發展基金，加大對研發成果突出企業和個人的支持力度，以先進技術為驅動力，逐步實現技術創新帶動能源利用效率的提升。鼓勵區域、企業間技術共享，以先進區域、企業帶動落后區域、企業實現整體效能提升。

（四）加大宣傳教育力度，倡導居民低碳綠色生活

人口因素對我國碳排放的影響程度較大，應在全社會加大對于低碳生活的宣傳力度和教育力度。首先，積極開展全國生態日、全國節能宣傳周、全國低碳日等活動，并通過多種渠道和方式深化綠色低碳生活思想的大眾化傳播，大力推進節能降碳宣傳教育。此外，推進綠色出行體系建設，推廣共享單車、新能源公交車，建設“15分鐘低碳生活圈”。在各地城鎮化進程中，城鎮人口增加以及粗放的能源消費方式對碳排放量上升有重要影響，因此促進城市居民生活的碳減排對實現碳排放情景預測的基準情景及低碳情景具有重要助力，應注重公民的低碳意識和綠色生活習慣的培養，培育綠色低碳生活方式，減少居民消費端的碳排放量。同時，倡導綠色出行、垃圾分類回收、科學使用電器等環保行為，形成崇尚節約、綠色環保的社會新風尚。最后，在雄安新區、成都東部新區等19個國家級新區推行低碳建設標準和“海綿城市”建設，在快速發展的地區實施低碳建設模式以提高能源利用效率和資源回收率。對于發展迅速的新城鎮，建設城市能源互聯網，大力推廣“光儲直柔”建筑，優化城市公共交通網絡布局，盡可能降低因人口增加、城市擴張帶來的交通和建筑碳排放。

六、研究結論

本文基于STIRPAT 模型和嶺回歸方法構建了我國碳排放量預測模型，結合情景分析法，針對基準情景、低碳情景和高碳情景對影響因素設定不同變化率，分別預測了多情景下我國2024—2033年的碳排放量，得到的研究結論如下。

第一，通過分析我國能源消費和碳排放情況，2003—2023年我國的碳排放總量整體呈不斷上升趨勢，尤其在2003—2011年，我國碳排放總量呈逐年快速增長的趨勢，且歷年的碳排放增長率基本均超過7%。在2012年碳排放總量超過100億t，與經濟發展和能源消費量的驟增有關。但自2013年起，我國全面實施綠色發展戰略，逐步從重工業和能源密集型產業向服務業和高技術產業轉型。同時，通過加大一次電力及可再生能源的使用，減少對煤炭的依賴，碳排放的歷年增長率基本在4%以下，充分體現了節能減排政策的顯著成效。

第二，本文構建了基于STIRPAT和嶺回歸的碳排放預測模型，并基于Pearson相關系數法選取人口、人均GDP、第一產業占比、第三產業占比、天然氣占比、一次電力及其他能源占比、能源強度等8個碳排放主要驅動因素。同時，運用2003—2023年的能源消費及碳排放數據進行模型檢驗，結果表明，本文模型的擬合優度R2為0.99，MAPE為2.86%，預測值與真實值之間的誤差較小，預測模型的擬合程度較高，適用于我國碳排放量的預測。

第三，基于高、中和低三種發展情景對中國未來碳排放量進行預測，未來我國碳排放量呈現“倒U”趨勢。低碳情景與基準情景均能滿足我國碳達峰要求，而高碳情景不能在2030年前實現碳達峰目標。低碳情景下，通過優化產業結構與能源結構，并合理調控人口增長、城鎮化進程及經濟增長速度，低碳情景展現出更快達成碳達峰目標的潛力。高碳情景下，我國大力發展經濟，各項能源消耗及碳排放顯著上升，延后了碳達峰的時間。因此，為了實現2030年前碳達峰的目標，我國需要采取更加積極的行動，推動能源結構的優化和低碳經濟的發展，確保經濟增長與環境保護之間的平衡。

參考文獻

[1]楊靜， 郭群. 省級層面碳排放估算及減排路徑方法研究——以寧夏為例[J]. 中國沙漠， 2023， 43（5）： 176-185.

[2]張少卿， 雷莉萍， 宋豪. 一種基于大氣CO2濃度時空特征的碳排放分區估算方法[J]. 中國環境科學， 2023， 43（10）： 5604-5613.

[3]Sharif A， Raza S A， Ozturk I， et al. The Dynamic Relationship of Renewable and Nonrenewable Energy Consumption with Carbon Emission： A global study with the application of heterogeneous panel estimations[J]. Renewable Energy， 2018， 128： 296-306.

[4]Wang G， Han Q， de Vries B. A Geographic Carbon Emission Estimating Framework on the City Scale[J]. Journal of Cleaner Production， 2019， 230： 118793.

[5]吳瓊，馬昊，任洪波等.基于LEAP模型的臨港新片區中長期碳排放預測及減排潛力分析[J].環境科學，2024，45（02）：721-731.

[6]王一婕， 史武瑩. 黃河流域城市碳排放強度的動態演進、差異分解及影響因素[J]. 統計與決策， 2025， 1： 98-103.

[7]Zhang X-P， Cheng X-M. Energy consumption， carbon emissions， and economic growth in China[J]. Ecological Economics， 2009， 68（9）： 2706-2712.

[8]Soytas U， Sari R， Ewing B T. Energy consumption， income， and carbon emissions in the United States[J]. Ecological Economics， 2007， 62（3）： 482-489.

[9]陳哲灃，王健. 基于變分模態分解的中國主要集裝箱港口碳排放組合預測[J].中國航海， 2024， 47（4）： 138-145.

[10]李淵，張芝鏹，溫慧，蔡智，郭宇龍，李天天，王嘉誠，張琳敏，徐良雪. 基于機器學習的中國碳排放影響因素分析與達峰情景模擬[J/OL]. 環境科學， 2024， 47（4）： 138-145.

[11]諸曉駿，薛貴元，徐箏，陳琛，吳垠，牛文娟. 基于雙模式分解的非線性集成短期碳排放預測[J/OL]. 環境科學， 2024， 47（4）： 138-145.

[12]王志強，曹永祺，李碩，任金哥.結合專家知識的住宅建筑物化階段碳排放機器學習預測研究[J]. 干旱區資源與環境， 2025， 39（1）： 38-48.

[13]鮑學英，薛春燕，李子龍，呂向茹.鐵路橋梁物化階段碳排放計算及影響因素分析[J/OL]. 安全與環境學報， 2024， 47（4）： 138-145.

[14]管衛華，徐慧，李煥蘭，吳小妮，吳巍，吳連霞. 中國能源消費碳排放演化與仿真預測[J/OL]. 環境科學， 2024， 47（4）： 138-145.

[15] Narayan P K， Saboori B， Soleymani A. Economic growth and carbon emissions[J]. Economic Modelling， 2015， 46： 49-59.

[16]Wang H， Gu K， Sun H， et al. Reconfirmation of the symbiosis on carbon emissions and air pollution： A spatial spillover perspective[J]. Science of The Total Environment， 2022， 809： 151084.

[17]李漢東，向梓航，崔雪峰.人口因素驅動下的中國碳排放強度預測[J].北京師范大學學報（自然科學版），2023，59（05）：822-829.

【本文系國家自然科學基金（72472050）、教育部人文社科基金（24YJA630115）資助項目】

（許曉敏系華北電力大學經濟與管理學院副教授；姚潤坤、孔亞楠、付堯系華北電力大學經濟與管理學院碩士研究生）

China’s Multi-Scenario Carbon Emissions Forecast and Mitigation Strategies Based on the STIRPAT Model

Xu Xiaomin Yao Runkun Kong Yanan Fu Yao

Abstract： In the contemporary era， China is in the process of gradually realizing sustainable development and ecological environmental protection. The future energy consumption of the nation is directly related to the realization of China’s carbon peaking and carbon neutrality goals. Most carbon emission studies currently adopt a single decomposition model or carbon emission forecasting method， which lacks the judgement and screening of carbon emission influencing factors. Therefore， this paper predicts China’s carbon emissions and proposes emission reduction strategies based on the STIRPAT and ridge regression models. Firstly， an analysis was conducted of changes in China’s energy consumption structure and carbon emissions， based on China’s energy consumption， energy structure and other relevant data from 2003 to 2023.Secondly， the Pearson correlation coefficient method was employed to screen out characteristic factors with high correlation， and the carbon emission influencing factor system was constructed. The construction of a carbon emission prediction model is then undertaken， employing the STIRPAT and ridge regression models. The STIRPAT model can determine the primary influencing factors of carbon emission， while the ridge regression is able to address the issue of multiple covariance. The prediction model is then subjected to a test using China’s energy consumption-related data from previous years. The scenario analysis method is then applied to predict the future carbon emission trend of China from 2024 to 2033 under different scenarios by setting up the baseline scenario， low carbon scenario and high carbon scenario. Finally， combining the results of the multi-scenario forecasts， strategies for carbon emission reduction are proposed to provide decision support for the realization of China’s carbon peaking and carbon neutrality goals.

Keywords： STIRPAT Model； Carbon Emissions； Multi Scenario Prediction； Ridge Regression； Emission Reduction Strategy