作为中国过去几十年的经济发展支柱,重工业在传统经济发展方式下蓬勃发展的同时也产生了巨大的碳排放量。为进一步弘扬“绿水青山就是金山银山”的环保精神,深化可持续发展理念,政府在《“十三五”控制温室气体排放工作方案》中提出,力争部分重工业碳排放量在2020年左右实现率先达峰,能源体系、产业体系和消费领域低碳转型取得积极成效。中国重工业碳排放达峰路径的优化既是促进新时期下中国经济高质量发展、缓解全球气候变化问题的有效途径,也是探索新型工业化道路、实现工业发展新模式的有益选择。鉴于目前以重工业为研究对象、达峰路径优化为研究内容的文献较少,中国重工业碳排放达峰路径优化研究具有必要性和创新性。本文从管理科学与工程学科的角度出发,以中国重工业及其子行业为研究对象,首先介绍了碳排放测算方法和行业范围,进而分析了中国重工业1990-2016年的能源消费水平和碳排放水平,从人口结构、经济发展、能源消费三个角度出发选取七个碳排放影响因素。其次,本文集成神经网络、粒子群算法及遗传算法等智能算法理论,构建了中国重工业碳排放达峰路径研究模型,通过误差检验结果证明本文所用模型与其他同类模型相比具有更高的精度和实用性。根据政府政策与权威机构的预测结果设立保守、基准、强化三类合计9种发展情景,对中国重工业及其子行业2017-2050年碳排放达峰路径和达峰情况进行预测。最后,对仿真结果进行分析,得出了中国重工业及子行业的最优碳排放达峰路径,最佳达峰时间为2025年,子行业中电力行业碳排放量最大,机械制造工业碳排放量最小。另外,本文从人口结构、经济发展、能源消费、宏观调控等方面提出碳排放达峰路径优化策略及建议参数,在实施去产能计划的基础上,实行能源消费总量的控制,保持人口中速增长,城镇化率高速提升,经济高质量发展,极力调整优化能源消费结构。同时就七个影响因素设定最优达峰数值目标,为中国重工业及子行业实现尽早达峰的目标提供方法支撑及数据参考。