本文首先对目前常用的电波传播预测方法进行了分析,比较了各种方法的利弊。在射线追踪的过程中,所有射线与三角面相交的过程都具有一定的相似性,通过机器学习的方法可以挖掘出其中的规律。本文提出了一种基于有限积分法和机器学习的场强预测混合方案,我们在CST中建立地形或建筑物的最基本单元—三角面,仿真计算平面波(射线就是平面波)入射时三角面周围的电磁场分布,找出影响场强分布的特征,仿真在不同输入条件下的输出结果。对三角面周围的空间分为近场区和远场区。近场区通过机器学习模型来预测场强,而对于远场区的场强计算则需要分两步完成:首先,通过机器学习模型预测出近远场分界面上的场信息,然后求出相应点的坡印廷矢量,从而得到其位置处的波的传播方向,再运用射线追踪公式得出远场区场点的场强。本文对新方法作了仿真验证,以平面波入射三角面的电磁场分布计算为例,比较了四种机器学习模型的近场预测结果,接着比较了CST仿真和混合模型的远场仿真结果,结果表明混合模型在保证精度的条件下实现了计算效率的提高。