Dada la no estacionariedad, no linealidad y alta complejidad de los precios del polisilicio en la cadena de la industria fotovoltaica (PV), este artículo introduce los precios de los materiales aguas arriba y aguas abajo de la cadena de la industria PV e indicadores macroeconómicos como factores influyentes. Se construye un modelo de combinación VMD-SSA-LSTM para predecir los precios del polisilicio, que se basa en la Descomposición Modal Variacional (VMD) y utiliza el Algoritmo de Búsqueda de Gorrión (SSA) para optimizar la red de Memoria a Corto y Largo Plazo (LSTM). La investigación muestra que al descomponer la serie temporal original del polisilicio utilizando el algoritmo VMD se extraen de manera efectiva las principales características de los datos de precios del polisilicio, reduciendo la inestabilidad de los datos. Al optimizar la tasa de aprendizaje, los nodos de la capa oculta y los coeficientes de regularización del modelo LSTM utilizando el Algoritmo de Búsqueda de Gorrión, el modelo logra una mayor precisión de convergencia. En comparación con el modelo LSTM tradicional y el modelo VMD-LSTM, el modelo VMD-SSA-LSTM muestra el menor error y la mayor bondad de ajuste en el conjunto de datos del polisilicio, demostrando una mayor precisión predictiva para los precios del polisilicio, lo que proporciona datos de referencia más precisos para el análisis de mercado y las decisiones de fijación de precios de la industria del polisilicio.