As explosões solares, que são liberações repentinas de energia em um curto espaço de tempo, podem provocar efeitos negativos na Terra, o que tem levado vários pesquisadores a monitorarem o Sol e a estudarem este fenômeno. Isto tem gerado grandes quantidades de dados, o que dificulta a identificação de quais atributos resultantes do monitoramento do Sol são importantes para a predição do fenômeno. Sendo assim, neste trabalho foi feita a combinação entre um algoritmo genético e uma rede neural do tipo Multilayer Perceptron (MLP), em uma abordagem do tipo wrapper, para seleção automática de atributos para previsão de explosões solares. A ferramenta desenvolvida foi aplicada a três problemas distintos: (i) previsão de ocorrência de explosões solares de alta intensidade (Strong Flare), (ii) de classe M e (iii) de classe X. Os resultados indicaram reduções significativas nos erros de predição com a seleção de atributos e permitiram identificar os atributos mais importantes em dois dos três problemas considerados.