随着海平面的不断上升，人类面临的生存挑战日益严峻。因此，精确预测海平面变化对防范水文灾害具有重要作用。为了解决传统预测方法精度不高的问题，提出一种改进鹈鹕优化算法(IPOA)与双向长短期记忆网络(BILSTM)预测模型，即IPOA-BILSTM模型。鹈鹕优化算法(POA)是近年研究的热点，但是在实际应用中容易陷入局部最优解,为此，采用多重策略进行改进。首先，利用切比雪夫映射代替伪随机数的形成，产生更具遍历性的初始种群，增加最优解的多样性；然后引入反向差分学习策略，为每只鹈鹕构建反向解，增强局部和全局的搜索能力，从而提高在复杂环境下探索最优解的效率。基于验潮站数据开展IPOA-BILSTM、POA-BILSTM、BILSTM的海平面预测对比实验，实验结果证明了IPOA-BILSTM在提升预测精度，减少预测误差方面的有效性。
 

海平面预测，鹈鹕优化算法，双向长短时神经网络，验潮站