近年、モジュラー型液冷プレートは船舶電子機器の放熱システムで広く利用されている。冷却能力を確保しながら液冷プレート表面の結露を防ぐことは電子機器の安全な動作にとって極めて重要である。本研究では、異なる冷却条件下での液冷プレート表面温度の動的変化および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、結露しやすい領域の温度を予測した。結果は、液冷プレートの結露しやすい領域はエッジ効果の影響を受け、温度が露点まで下がってから実際に結露が発生す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た。同時に、CNN-LSTMモデルの温度予測の平均絶対誤差（MAE）はCNNおよびLSTMと比べてそれぞれ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た。

冷却プレート;結露防止;温度の動的変化;温度予測