有色金属是重要的商品，准确预测其价格变化对决策者和投资者具有重要意义。然而，由于有色金属价格呈现剧烈波动，开发一种稳健的价格预测方法是一项棘手的任务。本研究构建了基于离散小波变换（DWT）、双向长短期记忆（BiLSTM）和残差网络（ResNet）的有色金属价格预测混合模型。利用灰色狼优化算法搜索混合神经网络的超参数。配置合理的参数，提高最终预测效果。此外，在第二个隐藏层后面，低维和高维特征被融合以防止模型退化。利用DWT技术对原始序列进行处理，然后对序列进行重构，有利于捕捉本质趋势。实验结果表明，与其他基准模型相比，本文提出的BiLSTM-ResNet-GWO-DWT模型更加准确，这为该模型提供了有效的参考意义。