白银作为一种贵金属,作用十分广泛,主要用于工业、摄影领域。近年来,白银逐渐走进了投资者的视野,白银投资成为了理财的手段,白银的价格也随之成为人们关注的焦点。因此,对白银价格进行有效预测,对白银投资者投资和白银相关企业制定发展计划都有重要的指导意义。机器学习与深度学习作为人工智能的核心,被越来越多地应用于金融产品交易预测中。本系统通过机器学习和深度学习等技术,实现了历史数据管理、系统管理和白银期货价格预测模块功能。其中历史数据管理模块实现历史数据导入、历史数据接口获取、历史数据查询、历史数据导出和历史数据统计功能;系统管理模块实现用户登录、权限管理、用户管理和日志管理等功能。系统涉及的所有预测模型的建立、训练和预测都是通过Python语言来实现。而预测系统网站代码是通过ASP.NET实现的,需要把训练好的用Python实现的预测模型打包成DLL以供ASP.NET调用。本文提出了一种基于CNN（Convolutional Neural Networks,卷积神经网络）和GRU（Gated Recurrent Unit门控循环单元）的CNN-GRU的白银期货价格预测模型。CNN能够对输入数据的特征值进行有效提取,GRU对CNN处理后的数据进行预测,从而得到白银期货价格的预测值。预测模型输入数据的数据项选取了白银期货交易的5个重要指标（开盘价、收盘价、最高价、最低价和涨跌值）和6种金融产品（标准普尔500指数、美元指数、美元兑人民币汇率、道琼斯工业平均指数、纳斯达克100指数和美国原油）的收盘价。为了验证CNN-GRU预测模型的有效性,选取RNN（Recurrent Neural Network,循环神经网络）、LSTM（Long Short-Term Memory,长短期记忆网络）、GRU、CNN-RNN和CNN-LSTM这5种预测模型作为对比模型,并进行了对比实验。实验选取2012年5月10日到2020年3月31日的数据作为训练集,2020年4月1日到2022年3月18日的数据作为测试集。采用R（R-Square,相关系数）、RMSE（Root Mean Square Error,均方根误差）和MAE（Mean Absolute Error,平均绝对误差）作为实验评价指标。实验结果表明,本文提出的CNN-GRU模型预测结果的R最接近1,RMSE和MAE都最小,说明其预测误差最小,拟合度最高,预测效果最好。