Los metales no ferrosos son importantes materias primas a granel y juegan un papel significativo en el desarrollo de la sociedad. Su pronóstico de precios es de gran valor de referencia para inversores y responsables políticos. Sin embargo, desarrollar un modelo de pronóstico de precios robusto es complicado debido a las drásticas fluctuaciones de los precios. En este trabajo, se construye un nuevo modelo de fusión basado en la Descomposición Modal Empírica de Conjunto Completo con Ruido Adaptativo (CEEMDAN), Análisis de Espectro Singular (SSA) y Memoria a Corto Plazo de Largo Plazo (LSTM) para el pronóstico de precios de metales no ferrosos. Teniendo en cuenta la complejidad de los cambios de precios, se utiliza un preprocesamiento de señal de doble etapa que combina CEEMDAN y SSA. En primer lugar, se utiliza el algoritmo CEEMDAN para descomponer la secuencia de precios no lineales originales en múltiples Funciones de Modo Intrínseco (IMFs) y un residual. En segundo lugar, el componente con entropía de muestra máxima se descompone por SSA; esto se llama Descomposición Modal Multivariante (MMD). Una serie de resultados experimentales muestran que el método propuesto MMD-LSTM es más estable y robusto que los otros siete modelos de referencia, proporcionando un esquema más razonable para el pronóstico de precios de metales no ferrosos.