为了改善支持向量机(SVM)对地表(0～2 cm)土壤容重预测的应用可行性及其效果,针对传统经验法选择SVM惩罚因子C和核函数参数g可能造成的较大误差的问题,提出了一种对SVM参数进行优化的方法—网格搜索与交叉验证相结合的方法。本文采用所提出的参数优化方法,以黄土高原区旱作农田土壤表层容重年度跟踪试验数据样本为依据,选取土壤(0～2 cm)粒径分布、有机质含量、体积含水率、累积接受水量和全盐量为输入变量,建立了地表土壤容重的SVM预测模型。结果表明:所建SVM模型预测值和试验实测值之间不存在显著性差异,利用SVM预测地表土壤容重是可行的;采用网格搜索与交叉验证相结合的方法对SVM参数进行优化,明显降低了模型的预测误差;在粒径分布、有机质含量、体积含水率为输入变量的基础上,增加全盐量为输入因子并不能显著提高模型的预测效果,而增加累积接受水量为输入因子的预测效果明显优于前几种情况,其训练样本和测试样本相对误差的平均值分别为6.23%和6.95%,都在可接受范围。研究成果可为土壤表层容重的实时预测提供有力支撑。