基于循环神经网络的Super DARN雷达对流图像重构探究

Output Layer
Hidden Layers
图2（a）SuperDARN雷达与2014年10月06日01时12分的实测的对流图像(SD) （b）循环神经网络算法构建的对流图像科学与信息化2020年7月下
图3 重构图像的CP值直方图对比
越极盖电势CP是对流图像重要的参数之一，因此本文从统计角度研究了实测图像和循环神经网络图像中CP值的直方图对比，结果如图3所示。

其中cp1为实测图，cp2为循环神经网络结果图。

由图可知，二者较接近，即绝大部分循环神经网络重构
（上接第65页）
充分了解和掌握影响计算机网络信息安全的因素，了解计算机系统的安全特性、强化对网络信息的储存管理。

在大数据视角下，企业计算机用户必须要采用一些有助于防护计算机网络信息安全的科学方法，为计算机网络系统建立动态的监测、管理体系，善于运用网络信息安全防护相关理论、方法搭建计算机网络信息防护平台，确保企业计算机网络信息的安全性[4]。