针对人参价格波动较大,受生长周期、需求周期、季节变化、政策等多重因素影响从而导致其变化没有规律的特点,提出一种基于ARIMA-LSTM组合模型对人参的价格进行预测.人参的价格数据是一种包含线性、非线性成分的价格序列,单一模型难以对其进行准确的分析和预测,针对人参价格的线性特性,本文使用ARIMA(Auto-Regressive Integrated Moving Average,整合自回归移动平均)模型对其进行分析预测,ARIMA模型通过差分去除与线性预测不相关的非线性成分,通过人参历史价格预测未来时期价格的线性变化趋势;针对非线性特征,使用LSTM(Long-Short Term Memory,长短期记忆)神经网络进行预测,并将两个模型的结果进行组合.通过实验结果可知,组合模型、单一的ARIMA和单一的LSTM的预测精度分别为97.21％、91.75％、85.73％,组合模型的精度要优于单一的模型.组合模型将原始数据拆成线性和非线性两个部分,使用合适的模型分别对其处理,充分发挥模型的优点并且避免其缺点,是模型应用的一种良好思路,为人参的价格预测提供一种更有效的方式.