针对区域水-能源-粮食耦合系统安全状况难以精准量化问题，构建一种基于旗鱼优化算法改进的BP神经网络模型（sailfish optimization algorithm-back propagation neural network, SFO-BPNN），并将其应用于哈尔滨市2000—2022年WEF耦合系统安全特征测度分析中。采用基于主成分分析法-R聚类分析法-皮尔逊相关系数法-变异系数法的优选方法构建WEF耦合系统安全评价指标体系。深入分析耦合系统安全时间演变特征与关键驱动因子。结果表明：哈尔滨市WEF耦合系统安全指数在研究时段内呈现先波动变化，后大幅提升，最后趋于稳定的趋势。降水量、顷均机电井数目、人均粮食产量和农机总动力等为关键驱动因子。构建的SFO-BPNN模型与传统BP神经网络模型和基于遗传算法优化的BP神经网络模型相比，平均绝对误差分别降低16.94%和3.36%、均方误差分别降低26.4%和16.93%、平均绝对百分比误差分别降低22.89%和2.66%、单次运行时间分别降低31.6%和30.5%、决定系数分别升高0.98%和0.15%，说明SFO-BPNN模型无论从精度还是效率方面都更具优势。研究结果可为水-能源-粮食耦合系统安全特征测度分析提供新模型，同时可为有效防控和降低区域安全风险提供参考。
