近日，我校水土保持与农林水文科技创新与导师团队2022级硕士研究生闫子黄在国际Top期刊《Expert Systems with Applications》（最新影响因子7.5，中科院一区Top期刊）发表题为“Enhancing short-term solar radiation forecasting with hybrid VMD and GraphCast-based machine learning models”的创新研究成果，南昌工程学院为第一署名单位，通讯作者为该团队负责人鲁向晖教授。

在全球“碳达峰、碳中和”目标的指引下，精准的太阳能辐射预测作为光伏发电调度、农业气象服务与天气预报系统的核心技术，正迎来前所未有的发展机遇。面对非线性复杂气象系统下传统方法精度不足的瓶颈，本研究创新性地引入人工智能前沿算法，不仅为可再生能源领域的关键预测难题提供了全新的技术路径，也为提升清洁能源利用效率、助力实现“双碳”目标奠定了坚实的理论基础。

首创“变分模态分解（VMD）+全球预报系统图神经网络（GraphCast）”的混合预测框架，有效突破单一模型的技术局限。开发基于XGBoost特征选择的多维度气象变量组合方案，建立C1-C3三级输入组合系统，显著提升模型泛化能力。构建VMD-GC-RF优化模型，相较传统站点气象数据模型，预测误差降低58.73%，实现了较高的太阳辐射预测精度。此外，与 Google DeepMind 推出的 GraphCast 系统相比，本模型在太阳辐射预报领域展现出更强的专业适应性，填补了其在该细分领域的技术空白，为光伏发电与农业气象服务等应用场景提供了可靠支撑。

该成果合作单位包括中国水利水电科学研究院，昆明理工大学。该成果受到江西省自然科学基金重点项目（编号：20242BAB26081）、国家自然科学基金项目(52269013)以及江西省自然科学基金面上项目（20232BAB205031）的共同支持。

（文/图 鲁向晖）