Las turbinas de gas son ampliamente utilizadas en la industria, y la cámara de combustión, el compresor y la turbina son conocidos como sus tres componentes importantes. En el proceso de diseño de la cámara de combustión, la simulación de dinámica de fluidos computacional ocupa mucho tiempo. Con el fin de acelerar la velocidad de diseño de la cámara de combustión, este artículo propone un método de diseño de cámara de combustión que combina una red neuronal artificial (ANN) y dinámica de fluidos computacional (CFD). Los resultados de CFD se utilizan como datos crudos para establecer un modelo de predicción rápida utilizando ANN y eXtreme Gradient Boosting (XGBoost). Los resultados muestran que el error cuadrático medio (MSE) de la ANN es 0.0019, y el MSE de XGBoost es 0.0021, por lo que el rendimiento de predicción de la ANN es ligeramente mejor. Este método de predicción rápida combina CFD y la ANN, lo que puede acortar considerablemente el tiempo de cálculo de CFD, mejorar la eficiencia del diseño de la cámara de combustión de la turbina de gas y proporcionar la posibilidad de lograr gemelos digitales de las cámaras de combustión de las turbinas de gas.