为研究机器学习在高原寒区多层土壤湿度模拟方面有效性和准确性，基于黄河源区鄂陵湖草地观测站的气象数据及不同深度土壤温湿度数据，利用支持向量机（Support Vector Machine, SVM）建立多层土壤湿度模拟模型。选择与每层土壤湿度显著相关的气象因子作为模型输入，并考虑不同模型输入、不同时间分辨率（1、6、12、18和24h）对模拟结果的影响，设置了不同的试验方案，以此来提高模型模拟精度。结果表明：（1）仅利用与每层土壤湿度显著相关的气象因子作为模型输入，模型模拟精度较高，RMSE值均低于0.05 m3/m3，R值均高于0.8；（2）增加不同深度土壤温度、上层模拟土壤湿度和该层前一时刻土壤湿度作为模型输入，模型模拟精度得到显著提高，RMSE值均小于0.03 m3/m3，R值均达到0.9以上。另外，随数据时间分辨率的减小，模型模拟精度总体呈增加趋势。本文建立的支持向量机模型能够较精确地模拟研究区域多层土壤湿度，为该地区乃至其他高寒地区土壤湿度模拟研究提供方法借鉴。