MATLAB：海洋捕食者算法（MPA）优化BP神经网络权值和阈值用于月径流预测

海洋捕食者算法（Marine Predators Algorithm，MPA）是Afshin Faramarzi等人于2020年提出的一种新型元启发式优化算法，其灵感来源于海洋“适者生存”理论，即海洋捕食者通过在Lévy游走或布朗游走之间选择最佳觅食策略。MPA主要基于以下觅食规则：（1）海洋捕食者对猎物丰富区域采取Lévy游走策略，而对捕食者丰富区域采用布朗游走；（2）捕食者觅食过程中采取Lévy游走或布朗游走的比例相同；（3）涡流形成或鱼类聚集装置（FADs）效应改变捕食者觅食行为；（4）捕食者与猎物游速不同，捕食者采取的觅食策略不同；（5）捕食者具有良好记忆提醒同类及记住成功觅食区域。MPA数学描述参见文献[1-2]。

本代码利用海洋捕食者算法（marine predators algorithm，MPA）优化BP神经网络权值和阈值，建立MPA-BP预测模型，利用经小波包分解的云南省某水文站月径流数据对模型进行实验（前500组数据作为训练样本，后142组数据作为预测样本），预测结果与基本BP模型作对比。

MPA-BP模型参数：MPA最大迭代次数为200，种群规模50，FADs效应系数=0.2，常量P=0.5；BP隐含层数为输入维数的2倍-1，隐含层传递函数、输出层传递函数、训练函数分别采用tansig、purelin、traingdx，设定期望误差为0.0001，最大训练轮回均设置为1000次，数据采用[-1,1]进行归一化处理。

BP模型参数：为在公平条件下对比验证MPA-BP模型，BP参数设置同MPA-BP模型。

预测结果：MPA-BP模型平均相对百分比误差（MAPE）4.14%；BP模型平均相对百分比误差（MAPE）18.3%，精度提高77.4%，MPA-BP模型具有较好的预测精度，见图2、图3。

上述代码下载地址
链接：https://mianbaoduo.com/o/cdw_cw

[1]李代华,崔东文.基于PCA-MPA-ANFIS模型的年径流预测研究[J].水电能源科学,2020,38(7):24-29. 

[2]胡顺强, 崔东文.基于海洋捕食者算法优化的长短期记忆神经网络径流预测[J].中国农村水利水电 2021, (2) 78-82.