🔍 耿同学打假报告

论文信息

• 标题：基于ResNet-CBAM的潮流能水轮机叶片故障诊断方法
• 作者：温欣泽，朱挽强
• 期刊：ChinaXiv (预印本)
• DOI：ChinaXiv:202605.00186v1
• 发表年份：2026 年
• 论文来源：202605.00186v1.pdf

综合评定：🔴 实锤

详细发现

发现 1：薛定谔的准确率（核心数据自相矛盾）

• 位置：摘要、第 4.4 节正文、对比实验段落
• 描述：一篇区区几页的论文，竟然在三个不同的核心位置报告了三个完全不同的最终准确率！
• 证据：
  1. 摘要中赫然写着：“实验结果表明，所提方法在测试集上取得 86.5% 的平均识别准确率”。
  2. 正文的混淆矩阵分析中自己算了一遍：“总体来看，四类工况的平均分类准确率达到 87.19%”。
  3. 对比实验分析中又说：“该模型准确率上升更快、波动更小，最终稳定在约 85%”。
• 严重程度：🔴 （连自己模型的最终准确率都无法统一，大概率是在反复修改实验参数凑数据时，忘了把前文的草稿改掉，属于典型的“缝合怪”数据。）

发现 2：“前50秒训练，后10秒测试”的逆天数据划分法

• 位置：第 4.3 节
• 描述：作者在处理高频时间序列振动信号时，采用了按时间前后直接切分的验证方式。
• 证据：文中明确写道：“为保证划分方式具有时间连续性，按每分钟数据进行划分：前 50 s 对应样本作为训练集，后 10 s 对应样本作为测试集。” 同时又在引言中声称模型能“适应工况变化并对未知输入样本保持较好的诊断能力”。
• 严重程度：🔴 （这是机器学习时间序列预测中的教科书级反面教材（数据泄露）！振动信号在短短几十秒内具有极强的自相关性。用同一工况下前50秒训练、后10秒测试，模型哪怕什么都不学，仅靠“记住”相邻时间点的波形都能刷出极高的准确率。作者用这种划分方式得出的 86.5%（还是85%？）毫无泛化说服力，根本无法证明模型对“未知工况”的诊断能力，属于严重的统计学错误或故意夸大结果。）

发现 3：图号的量子纠缠（Ctrl+C/V 忘改图号）

• 位置：第 4.3 节及全文图号
• 描述：论文的图片编号出现了极其混乱的跳号、重号和错号，明显是多份手稿拼凑的产物。
• 证据：
  1. 图号重复：文中出现了两个“图20”，一个是“图20 实验结果”（曲线图），紧接着后面又出现一个“图20 实验结果混淆矩阵”。
  2. 图号预判错误：在第 4.3 节文本中写道“图17为四种叶片状态类型对应的XY,XZ,YZ三种特征图”，但实际上前面明明把图17分配给了“表面损伤情况下的信号”，而真正的特征图被编为了“图19”。
  3. 标点符号遗留：在混淆矩阵段落中，出现了“说明模型具有较好的分类判别能力。 ，显示了每种故障类型下...”这样生硬的句号接逗号拼接，明显是从别处复制粘贴时连多余的空格和标点都原封不动搬过来了（如“准确 识别结果”）。
• 严重程度：🟠 （量产型学术的典型特征——自己写自己都没认真看一遍。）

发现 4：文本与图片描述脱节（裸奔的图片引用）

• 位置：第 2.4 节
• 描述：在解释二维特征映射方法时，作者引用了一个根本不存在的图号。
• 证据：文中写道：“图展示了在某一特定时刻正常状态下生成的二维特征图可以看到，原本抽象的一维波形已转化为具有特定形状的二维特征图。” 这里的“图展示了”连个数字都没有！大概率是作者在排版时删改图片导致引用失效，或者直接从别的模板里抄漏了。
• 严重程度：🟡

发现 5：引言沦为“文献堆砌场”

• 位置：第一节（介绍）
• 描述：引言部分极其冗长，堆砌了大量（超过20篇）该领域近两年的文献（2024-2025），且很多文献与本文“基于振动信号的深度学习”主题（如光学传感器、电流信号分析）并不直接相关。
• 证据：作者甚至详细列举了别人的公式名称（如MEGK-means、PFIE、CCGFD等），行文极其像用大语言模型（LLM）根据关键词扩写生成的综述段落，前后逻辑生硬。
• 严重程度：🟡

耿同学辣评

这篇 2026 年的预印本生动演绎了什么叫“只要胆子大，准确率随便画”。摘要里吹 86.5%，正文里算 87.19%，画图时又变成 85%，薛定谔的准确率都没这么离谱！更精彩的是那独创的“前 50 秒训练后 10 秒测试”大法，在时间序列里连时间都不打乱，模型直接“抄袭”上一秒的波形就能毕业了。全文图号乱飞，标点乱跳，连图表编号都理不顺的科研态度，还好意思说“为复杂海洋环境提供技术支撑”？建议作者先去挂个“学术论文基础排版与机器学习常识”培训班，别拿水槽里凑出来的漏风数据来污染学术圈了！

建议后续行动

• 建议作者撤回预印本，重新审视数据划分逻辑（起码要打乱样本或按工况/流速划分测试集）
• 在 PubPeer 上提出质疑，提醒同领域研究者注意其统计方法的致命漏洞
• 联系东北师范大学物理学院相关学术委员会，核查其实验原始数据的真实性与合理性
• 建议期刊（如后续投稿）严格审查其混淆矩阵的原始计算代码

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。