近年、モジュール式液冷板は船舶電子機器の冷却システムに広く応用されています。冷却能力を確保しつつ、液冷板の表面結露防止は電子機器の安全な運転にとって極めて重要です。本研究では、異なる冷却条件下での液冷板表面温度の動的変化と結露現象を実験的に調査し、畳み込みニューラルネットワーク（CNN）と長短期記憶ネットワーク（LSTM）を組み合わせたハイブリッドモデル（CNN-LSTM）を構築して、液冷板表面の結露しやすい領域の温度を予測しました。結果は、液冷板の結露しやすい領域はエッジ効果の影響を受けており、露点に温度が下がった後、実際の結露に至る過程で過冷却および結露遅延現象が存在することを示しました。また、CNN-LSTMモデルの温度予測の平均絶対誤差（MAE）はCNNおよびLSTMと比較してそれぞれ41.7％および48.8％低減し、二乗平均平方根誤差（RMSE）はそれぞれ40.7％および49.1％低減し、決定係数R²もCNNおよびLSTMモデルより優れていました。

冷却板;結露防止;温度動的変化;温度予測