河北省是工业大省，也是燃煤大省。各种工业企业每年的经济运行导致排放出过量二氧化碳气体，对环境造成了破坏。近几年，随着我国国际地位越来越高，承担的责任也越来越多，为积极配合我国履行在历届国际气候变化大会上的承诺，河北省应当主动担起减排责任，积极发展绿色经济，低碳经济，减少传统能源消耗，增加清洁能源占比，促进经济结构转型，真正从行动上做到节能减排，可持续发展。因为河北省的重工业比较发达，工业碳排放在全省碳排放的比重很高，所以文章以河北省工业碳排放作为研究对象，来探究影响河北省工业碳排放的因素以及预测河北省工业碳排放，并提出对河北省未来减排工作的一些建议。
　　文章确定研究对象为河北省工业碳排放。首先介绍了文章写作背景以及国内外有关碳排放的研究现状，了解了相关碳排放的理论，以及PSO算法和LSSVM算法的理论的介绍和学习等。然后根据因素分析构建了影响河北省工业碳排放的因素指标体系，按照因素指标体系搜集数据并进行处理得到河北省工业终端历年的能源消耗量以及碳排放量。最后用灰色关联度法分析各影响因子对工业碳排放的影响程度，结果表明每个影响因子和碳排放之间都具有较高的相关系数，表示所有选定的指标对河北省工业碳排放都有一定的影响，指标体系合理。对于粒子群算法以及最小二乘支持向量机的特点，文章引进了自适应权重调整方案来对PSO-LSSVM预测模型进行改进，进一步改善了模型在寻优过程中存在的早熟和局部最优等问题。构建改进PSO-LSSVM预测模型并将训练集和测试集代入到改进PSO-LSSVM模型中，得到最优参数和预测结果。
　　经过建模以及测试得到的研究成果如下：灰色关联度法分析结果表明，各影响因子中对河北省工业碳排放影响程度最大的是河北省能源消耗总量，影响程度最低的是财政收入。模型测试结果发现改进PSO-LSSVM模型的预测精度要高于LSSVM模型和未改进的PSO-LSSVM模型的预测精度。表明自适应权重调整方案能够有效提高PSO-LSSVM模型的预测精度。情景分析法设定未来五年的发展状态，代入到改进模型中，得到的预测结果表明未来五年河北工业碳排放呈现先下降后上升的趋势。得出预测结果后，针对影响河北省工业碳排放的因素提出了应对措施，对于河北省发展低碳经济具有一定的参考性。