根据《江苏省普通高等学校优秀本科毕业论文（设计）评选办法（试行）》（苏教高函〔2024〕8号）和《省教育厅办公室关于开展2024年度优秀本科毕业论文（设计）推荐工作的通知》（苏教办评函〔2024〕9号），经省教育厅组织专家审核，认定夏烨同学毕业论文（设计），题目《基于生成式预训练模型的马铃薯晚疫病预测研究》，为江苏省普通高校优秀本科毕业论文（设计），指导老师：袁培森。

        马铃薯晚疫病是影响全球粮食安全生产中的重大问题。国际上，比利时提出的Carah模型是基于气象数据的模型驱动的晚疫病预测方法，并不适合国内马铃薯复杂的种植环境，预测效果不理想。基于数据驱动的时间序列预测和生成式预训练模型（Generative Pre-trained Model，GPT），成为人工智能领域的技术理论和领域应用热点。该论文应用该技术研究马铃薯晚疫病的早期预警和动态管理，为马铃薯晚疫病预测提供了基于数据驱动的智能化解决方案。

        该论文提出了基于生成式预训练模型的马铃薯晚疫病预测框架Potato-GPT，将生成式预训练模型与马铃薯晚疫病气象数据相结合，进行晚疫病预测。采用时间序列对齐方法，捕捉在多个时间窗口上的气象数据趋势和变化特征，使模型能够更准确地预测未来病害的发展情况。并且通过两阶段调优策略进行微调，以构建性能最优的模型。在真实数据集上的实验结果显示，Potato-GPT模型在准确率、精确率、召回率等指标上优于其它方法，验证了该方法的有效性和可行性，符合国际上智能农业与精准管理的发展方向。