La formación de hielo en las líneas de transmisión puede causar daños a los componentes de las torres e incluso llevar a fallos estructurales. Con el objetivo de abordar la falta de investigación sobre la predicción de parámetros de características mecánicas de componentes débiles de torres de transmisión, y los pasos engorrosos para construir un modelo de elementos finitos (FEM), se propone un estudio de predicción para los parámetros de características mecánicas de componentes débiles de torres basado en una simulación de elementos finitos y aprendizaje automático. En primer lugar, se toma como ejemplo una torre de transmisión de 110 kV en un área con alta acumulación de hielo para establecer su FEM. Se analizan las ubicaciones de los componentes débiles y se verifica la precisión del FEM. En segundo lugar, se consideran parámetros meteorológicos y de terreno como parámetros de entrada del modelo de predicción. Se seleccionan las tensiones axiales y los desplazamientos nodales de cuatro componentes débiles como parámetros de salida. Se utiliza el FEM de la torre de transmisión de 110 kV para obtener conjuntos de datos de entrada y salida. En tercer lugar, se consideran cinco algoritmos de aprendizaje automático para establecer los modelos de predicción de parámetros de características mecánicas de componentes débiles, y se obtiene el modelo de predicción óptimo. Finalmente, se verifica la precisión del método de predicción a través de un caso real de colapso de una torre. Los resultados muestran que ACO-BPNN es el modelo óptimo que puede predecir de manera precisa y rápida los parámetros de características mecánicas de los componentes débiles de la torre de transmisión. Este estudio puede proporcionar una advertencia temprana para la predicción de fallos de torres de transmisión en áreas con alta acumulación de hielo, proporcionando así una referencia importante para su operación y mantenimiento seguros.