【目的】窒素酸化物（NOx）排出量はガスタービン燃焼室の重要な環境指標であり、NOxの迅速かつ正確な予測は燃焼最適化および低排出制御に貢献する。従来の数値シミュレーションに基づく予測は計算コストが高く、データ駆動単一モデルの汎化能力が限定的である問題に対し、異種基学習器とTabNetメタ学習器に基づく積み重ねアンサンブル学習フレームワークを提案する。 【方法】本フレームワークはXGBoost、サポートベクターマシン（SVM）、ランダムフォレスト（RF）、多層パーセプトロン（MLP）の4種類の異種基学習器を用いて異なる学習パラダイムから初級予測を生成し、続いて表形式データに特化したTabNetモデルをメタ学習器として導入し、その逐次的注意機構により基学習器の出力を動的に融合する。 【結果】前処理を施したマイクロ混合燃焼室の実験データセットにおいて、提案積み重ねアンサンブルモデルは全ての単一基学習器より優れた予測性能を示し、二乗平均平方根誤差（RMSE）および平均絶対誤差（MAE）はそれぞれ0.7840 mg/m3および0.1730 mg/m3まで低減した。動的訓練と定常状態試験による異条件検証では、モデルは良好な汎化能力を示した。SHAPに基づく解釈性分析により、一次および二次燃料流量がNOx予測に最も影響を与える特徴量であることが明らかになった。 【結論】提案した積み重ねアンサンブル学習フレームワークは燃焼室のNOx排出予測精度と汎化能力を効果的に向上させ、その主要特徴量の識別結果は燃料段階的燃焼の物理メカニズムと一致している。

マイクロ混合燃焼室;NO_x排出予測;積み重ねアンサンブル学習;SHAP解析