伴随着我国经济的快速发展以及人们生活水平不断提高,能源消费也随之增高,伴随着化石能源燃烧所释放的二氧化碳已经超出了地球的承载能力。我国已明确提出2030碳达峰和2060碳中和的“双碳”发展战略目标,如何科学合理在降碳的同时,优化能源消费结构,从而保障经济社会可持续化发展是亟待解决的问题。能源足迹可以用来衡量一个地区生产生活中的能源消耗给环境所带来的压力,可以量化碳排放和碳吸收之间的差异,适合用于衡量能源消费和碳排放的直接关系。因此,本文基于能源足迹对中国的能源消费结构优化问题进行了研究,主要内容包含以下三点:（1）构建了基于碳汇法和STIRPAT的能源足迹影响因素分析模型。围绕着“双碳”目标,提出基于碳汇法的中国能源足迹核算公式,并根据我国实际发展情况计算了当前的能源足迹,对比分析了中国存在的环境压力,围绕我国能源足迹的研究对象构建了以能源足迹为核心的数据空间,筛选出人口数量、经济发展、技术水平、政策约束和人民素质作为影响因素变量构建了 STIRPAT模型,通过对数变换和岭回归技术获得影响参数,给出影响关系。（2）构建了 LSTM深度学习能源足迹预测神经网络模型。基于上述分析出的影响因素与能源足迹的关系,结合能源足迹时间序列的特点,选取具有较好时间序列预测能力的LSTM深度学习神经网络,确定输入输出变量和网络结构,结合数据进行了训练,通过和灰色预测模型以及BPNN进行比较,证明本文构建模型的有效性,通过构建的LSTM神经网络预测模型对2030年前中国能源足迹进行预测,分析我国“碳达峰”的出现时间。（3）构建了基于能源足迹分析的中国能源消费结构系统动力仿真优化模型。结合上两个研究内容的变量影响关系,建立了影响因素间的系统动力学因果回路图,形成了数据空间,描述了系统作用的反馈关系,结合LSTM的预测结果作为“碳达峰”初步目标,结合我国发展相关规划,进行情景设定,并添加单位GDP碳排放量目标,通过研究政策协同调整变化进行了能源消费结构优化。通过上述研究,提出了基于能源足迹我国相应的发展情景及碳达峰的相应变化,论文研究能够为我国更好更快的实现“双碳”目标,科学合理进行经济发展转型提供合理建议。