当今无线通信技术的蓬勃发展和广泛应用,正在不断地改变人们的生活及工作方式。在未来基站数量多,密度大,基站的架设、运营成本成为了运营商急需解决的一个问题。在现有输电线路铁塔上添加通信基站功能的“共享铁塔”正成为一种新的资源共享模式,传统的高压输电铁塔周围环境新增了大功率的微波辐射源,给日常输电线路铁塔周围的运检工作带来了新的辐射问题。因此只有对该场景下的电磁分布特性有充分的了解才能保障运检工作的安全性。现有研究大多采用实测或理论模型预测的方法,所分析的结果不够全面,难以准确地得到场景内各个位置的电磁分布情况。为此,本文针对共址高压输电铁塔基站场景,应用与实地测量对比验证的射线追踪仿真法,确定收发天线间信号的传播路径,计算得到接收端电场强度,并利用仿真数据训练神经网络模型,实现电场强度的预测。本文首先利用基于镜像法的射线追踪对共址220kv和110kv高压输电铁塔的基站进行建模仿真,分别从铁塔内部垂直方向、铁塔外部垂直方向和地面水平方向三个运检人员经常活动的区域展开分析,得到各位置的场强分布。与实测结果对比可发现二者数值上相差不大,变化趋势基本保持一致,能够得到较为准确的电磁分布结果,完成了方法可行性和准确性的验证,并可应用于各种共址基站场景以高效、准确地完成电磁分布特性的分析。根据仿真结果,完成了对共址基站场景各区域的电磁辐射强度的评价。此外,本文还基于仿真所获得的数据,与机器学习算法相结合,分别基于BP(逆向传播)神经网络、RBF(径向基)神经网络和LSTM(长短时记忆)神经网络来构建和训练预测模型,实现场景内任意位置的场强预测。结合误差值、MSE和正确率等指标对性能予以评价。将三种神经网络电场强度预测模型结果进行对比,发现RBF神经网络的预测误差比较小,正确率较高,与实际值拟合较好,更适合用于电磁分布特性的预测,也为机器学习在电磁辐射领域的预测提供参考。