La temperatura de congelación es un índice físico importante del suelo salino en áreas de permafrost y congelación estacional, y es difícil de predecir con una fórmula cuando el suelo salino contiene múltiples sales. En este estudio, utilizamos una red neuronal de retropropagación (BPNN) y una red neuronal de función de base radial (RBFNN) para predecir la temperatura de congelación del suelo salino de la meseta Qinghai-Tíbet y Lanzhou. Se adoptaron varias variables (contenido de iones, contenido de sales solubles y contenido de agua) basadas en estudios previos y condiciones experimentales. Después de establecer los dos modelos de red neuronal mencionados, se introdujeron los parámetros en los dos modelos para obtener los valores predichos de la temperatura de congelación. Luego, se compararon los valores medidos y predichos para evaluar la precisión de los dos modelos de red neuronal. Además, se utilizaron tres indicadores estadísticos para cuantificar la fiabilidad de las dos redes neuronales. Nuestros resultados mostraron que la BPNN tenía una mayor capacidad para predecir las temperaturas de congelación. Además, se aplicó el modelo BPNN establecido para analizar la sensibilidad de la temperatura de congelación al contenido de diferentes iones bajo dos condiciones diferentes de contenido de agua. Finalmente, se concluyó que la influencia de los principales iones sobre la temperatura de congelación, en orden descendente, era Cl > K ~ Na > SO > CO > Ca bajo la condición de 10% de contenido de agua, y K > Cl > SO > Na > CO > Ca cuando el contenido de agua era del 30%. Este estudio ofrece un nuevo método de predicción para la temperatura de congelación del suelo salino multicomponente y puede ser utilizado como referencia para investigar los factores que afectan las temperaturas de congelación.