La precisa predicción de los precios de los metales es de gran importancia para los productores industriales, ya que el suministro de materias primas metálicas es una parte muy importante de la producción industrial. El mercado de futuros está sujeto a muchos factores, y los precios de los metales son altamente volátiles. En el pasado, la mayoría de las investigaciones relevantes se han centrado solo en la predicción determinista de puntos, con menos investigaciones realizadas sobre la predicción de incertidumbre de intervalos. Por lo tanto, este documento propone un nuevo modelo de predicción que combina la predicción de puntos y la predicción de intervalos. Primero, se estableció un nuevo modelo híbrido de predicción de precios de puntos utilizando la Descomposición Modal Variacional (VMD) y una Red Neuronal de Memoria a Corto y Largo Plazo (LSTM) basada en el Algoritmo de Búsqueda de Gorrión (SSA) para la optimización. Luego, se utilizaron cinco funciones de distribución basadas en el algoritmo de optimización para ajustar los patrones de datos de series temporales y analizar las características de los precios de los metales. Finalmente, basándose en la función de distribución óptima y los resultados de la predicción de puntos, se establecieron el rango de predicción y el nivel de confianza para determinar el modelo de predicción de intervalos. El modelo de predicción de intervalos fue validado ingresando los datos de precios de cobre y aluminio en el modelo y obteniendo los resultados de predicción de intervalos. Los resultados de validación muestran que el modelo de predicción híbrido propuesto no solo supera a otros modelos comparativos en cuanto a precisión de predicción, sino que también tiene un mejor desempeño en la predicción de fluctuaciones bruscas y picos de datos, lo que puede proporcionar una referencia más valiosa para los productores e inversores.