矩形窄缝流道的临界热流密度预测：一种基于卡尔曼滤波器的机器学习模型
2026-08-06 15:10
🔍 耿同学打假报告
论文信息
- 标题：矩形窄缝流道的临界热流密度预测：一种基于卡尔曼滤波器的机器学习模型
- 作者：邓榆峰，张璜，刘瑞洋，吕蒙，银华强，李健，解衡，石磊
- 期刊：核技术 / 预印本
- DOI / 编号：ChinaXiv:202605.00078v4
- 发表年份：2026 (预印本发布日期为 2026-05-09)
- 论文来源：202605.00078v4.pdf
综合评定：🟡 存疑
(注：由于缺乏原始高清图片和底层数据代码，无法进行像素级或代码级的深度审查。但仅从文本逻辑和基础数学角度审查，已发现多处明显的粗心错误和逻辑硬伤。虽然不足以立刻定性为“系统性数据造假”，但论文的严谨性和校对质量存在重大缺陷。)
详细发现
发现 1：图表编号与引用内部矛盾（校对极度粗心）
- 位置：第2.2节（第6-7页），Figure 5 & 6 及其说明文字
- 描述：
- 正文写道：“图6为EKF-ML模型在测试集（25%样本）上预测CHF的结果”。
- 但紧随其后的图片标题却赫然写着：“图5 EKF-ML模型测试集预测CHF的结果（25%）”，以及对应的英文标题“Fig.5 CHF prediction results of EKF-ML model with test dataset (25%)”。
- 同样在表格汇总后，结论部分声称“相对均方根误差降低了60%~65%”，但根据表1数据计算：(35.45 - 12.48) / 35.45 = 64.8%。虽然勉强算对，但说“降低了65%”有四舍五入过度之嫌。
- 证据：文本中出现了两个“图5”，图6神秘失踪或被错误覆盖。
- 严重程度：🟠 (高度可疑。一篇严谨的学术论文连图表序号都能标错，很难让人相信其在处理复杂数据时能保持严谨。)
发现 2：修回日期存在“双轨制”矛盾
- 位置：首页头部元数据（Page 1）
- 描述：中文收修日期与英文收修日期不一致。
- 证据：
- 中文写的是：“收稿日期：2025-10-10，修回日期：2026-04-6”（注意这里是4月6日，格式也不规范，通常写04-06）
- 英文写的是：“Received date: 2025-10-10, revised date: 2026-02-10”
- 严重程度：🟠 (同一篇论文的同一版本，中英文日期相差近两个月。这种低级错误在定稿中不应存在。)
发现 3：样本量极小却声称高泛化能力（统计学与机器学习常识异常）
- 位置：第1节 研究方法（第3页） & 第2.2节 结果与讨论（第6页）
- 描述：作者声称样本总计51个，按75%和25%划分，即训练集38个，测试集仅13个。在测试集仅有13个样本的情况下，作者得出“模型具有较好的泛化能力，能够在训练集外的数据上保持较高的预测精度”的结论。
- 证据：13个样本的测试集在统计学上缺乏足够的功效来证明任何机器学习模型的泛化能力。误差带波动极大，模型极易受到个别异常点的影响。此外，网络结构为 [4, 6, 5, 1]，在只有38个训练样本的情况下，极大概率存在过拟合，虽然作者声称使用了L1/L2正则化，但缺乏验证曲线等证据。
- 严重程度：🟡 (可能不是造假，而是对机器学习的基本统计学规律缺乏敬畏。结论夸大。)
发现 4：方法学概念混淆（物理机制瑕疵）
- 位置：第1节 研究方法（第3页）
- 描述：在构建卡尔曼滤波（EKF）时，作者将“修正后的CHF-LUT”作为先验估计，将“Sudo经验关系式计算的CHF数据”作为观测值。
- 证据：卡尔曼滤波的“观测值”通常应代表带有噪声的真实物理测量值（即实验数据）。但作者这里将另一个纯数学拟合公式作为“观测值”去修正查表法。这种“公式A修正公式B”的做法，虽然数学上跑得通，但物理意义上属于“空中楼阁”，本质上只是两个经验公式的加权平均，而非真正的数据同化。
- 严重程度：🟡 (属于学术探讨范畴，方法略显“水”。
发现 5：数据自洽性验证（数学逻辑基本自洽，未发现低级造假）
- 位置：表1
- 描述：利用耿同学独门秘籍，计算相对误差均值与标准差是否匹配 RMSE。
- 证据：
- CHF-LUT: \(\sqrt{31.37^2 + 16.69^2} \approx 35.53\) (表内报告 35.45，基本吻合)
- EKF-ML: \(\sqrt{0.78^2 + 12.58^2} \approx 12.60\) (表内报告 12.48，存在微小偏差，可能是有效数字四舍五入导致，可接受)
- 严重程度：🟢 (目前提供的数据未发现类似“随机数生成器”生成的完美假数据特征。)
耿同学辣评
连图表序号和中英文修回日期都能在定稿里写出两个平行宇宙的版本，这时间管理学我是服气的！另外，拿区区13个测试样本就敢拍着胸脯吹模型具有“较好的泛化能力”，这胆子比反应堆堆芯的临界热流密度还要高！这不仅是过拟合的风险，这是在学术的悬崖边边跳华尔兹啊。建议作者在把预印本投给正式期刊前，先学会数数，并校对一下自己到底活在哪个时间线。
建议后续行动
- 文本已进行逻辑与校对审查。
- 联系作者要求提供原始训练代码和所有51个数据点（以验证是否过拟合）。
- 建议作者在正式投稿前修复时间穿越（日期矛盾）和图号重复的严重笔误。
- 向期刊编辑部举报（目前为预印本阶段，暂不适用，但若投稿正式期刊需严格把关其数据集规模）。
⚠️ 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。