冻结层上水是寒区冻土水文循环的关键层，揭示其动态演变规律，对认知冻土区地下水运移机制及精准预测具有重要科学意义。然而，由于多年冻土区原位监测数据的匮乏，以及非线性适应型水文过程模型构建的缺失，冻结层上水动态时空预测精度难以满足科学研究和工程实践需求。本研究以青藏高原风火山小流域（海拔4063～5398 m）为典型研究区，基于2021—2023年原位观测气象数据（精度±0.1℃/±0.1 mm）、逐日土壤水热(精度±1℃/±0.03 m3·m-3)及冻结层上水位（精度±0.14 cm）原位监测数据，揭示坡面尺度冻结层上水动态的水热时空协同机制；集成气温、降水、土壤温湿度和初始水位等多要素，构建及评估基于长短期记忆神经网络（LSTM）的冻土水文预测模型的适应性。研究发现：（1）冻结层上水动态具有显著季节分异特征，其水位波动（年变幅0～1.53 m）与活动层土壤温湿度呈现一致性，基于Boltzmann函数的平均拟合优度为0.90。（2）所构建的基于LSTM方法的冻结层上水位预测模型（学习率0.002）在坡面多梯度验证中表现出卓越性能，平均纳什效率系...