近年来,我国碳排放总量呈现持续快速上升趋势。据数据显示,2005年我国碳排放总量55.13亿吨,2008年68亿吨,2010年70亿吨,2012年79.54亿吨。中国碳排放总体上呈现快速增长的趋势,有效控制碳排放变得越来越重要。2015年中国在巴黎大会召开前提交的国家自主贡献文件中,提出将于2030年左右使二氧化碳排放达到峰值,并争取尽早实现,2030年单位国内生产总值二氧化碳排放比2005年下降60%到65%。在这样的背景下本文通过观察和分析中国碳排放影响因素,进而预测碳排放情况,来尝试为中国减碳事业找到对策与途径。本文将碳排放预测研究与人工神经网络研究紧密结合,分别建立基于BP神经网络、RBF神经网络、小波神经网络的碳排放预测模型。通过重点研究神经网络的网络构建、训练、预测及结果分析的原理,为碳排放预测奠定扎实的理论基础。结合搜集到的历史数据,在Matlab R2014a上分别实现BP神经网络、RBF神经网络和小波神经网络的训练和仿真。在碳排放预测模型中,为达到预期的拟合精度,本文在训练样本时采取了迭代训练的方法。通过对比拟合效果,发现RBF神经网络能较好的预测碳排放情况。最后,根据"十三五"期间的碳排放影响因素的情景值,运用基于RBF神经网络的碳排放预测模型预测2016-2020年我国的碳排放情况,并给出了相应的减碳对策与建议。