La radiación solar es una fuente de energía importante, y predecirla con precisión [radiación solar global y difusa diaria (R y R)] es esencial para la investigación sobre el intercambio de energía en la superficie, los sistemas hidrológicos y la producción agrícola. Sin embargo, la estimación de R y R depende de datos meteorológicos y parámetros de modelo relacionados, lo que conduce a inexactitudes en algunas regiones. Para mejorar la precisión de la estimación y la capacidad de generalización de los modelos de R y R, se seleccionaron 17 estaciones de radiación representativas en China. Se utilizó el algoritmo de selección de características de aumento categórico (CatBoost) para construir un nuevo modelo de apilamiento desde las perspectivas de diversidad de muestras y parámetros. Los resultados revelaron que las características relacionadas con la duración de la luz solar (n) y el ozono (O) afectan significativamente la predicción de la radiación solar. El nuevo marco de modelo de conjunto propuesto tuvo mejor precisión que los modelos base en el error cuadrático medio (RMSE), el coeficiente de determinación (R), el error absoluto medio (MAE) y el índice de rendimiento global (GPI). El modelo de predicción de radiación solar es más aplicable a áreas costeras, como Shanghái y Cantón, que a las regiones interiores de China. El rango y la media de RMSE, MAE y R para la predicción de R son 1.5737-3.7482 (1.9318), 1.1773-2.6814 (1.4336) y 0.7597-0.9655 (0.9226), respectivamente; para la predicción de R, son 1.2589-2.9038 (1.8201), 0.9811-2.1024 (1.3493) y 0.5153-0.9217 (0.7248), respectivamente. Los resultados de este estudio pueden proporcionar una referencia para la estimación de R y R y aplicaciones relacionadas en China.