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.