La prévision de l’irradiance solaire est fondamentale et essentielle pour le développement commercial de la production d’énergie solaire, en atténuant la variabilité de la production. Une prévision précise dépend de données historiques d’irradiance solaire, des corrélations entre diverses variables météorologiques (telles que la vitesse du vent, l’humidité et la couverture nuageuse), ainsi que des interactions entre les contextes météorologiques des régions spatialement adjacentes. Toutefois, les études existantes se sont limitées à une analyse spatio-temporelle de quelques variables présentant des corrélations évidentes avec l’irradiance solaire (par exemple, la durée d’ensoleillement), sans tenter d’extraire des informations contextuelles atmosphériques à partir d’un large éventail de variables météorologiques. Ainsi, cette étude propose un nouveau modèle de prévision de l’irradiance solaire, qui représente les paramètres atmosphériques observés à partir de multiples stations sous la forme d’un réseau dynamique attribué, et analyse les évolutions temporelles de ce réseau en étendant les modèles existants de réseaux de convolution spatio-temporels (ST-GCN). En comparant le modèle proposé aux modèles existants, nous avons également examiné l’apport de trois éléments : (i) l’adjacence spatiale des stations, (ii) les évolutions temporelles des variables météorologiques, et (iii) la diversité des variables, sur la performance de la prévision. La performance du modèle proposé et des modèles existants a été évaluée en prédisant l’irradiance solaire horaire aux stations d’observation de la péninsule coréenne. Les résultats expérimentaux ont montré que ces trois caractéristiques agissent de manière synergique et présentent des corrélations complexes, difficiles à identifier par une analyse portant sur un seul aspect.