Loading...
正在加载...
请稍候

某水电站混凝土重力坝动力响应敏感性分析

2026-08-06 15:10

🔍 耿同学打假报告

论文信息

  • 论文来源:某水电站混凝土重力坝动力响应敏感性分析.pdf
  • 标题:某水电站混凝土重力坝动力响应敏感性分析
  • 作者:谷彦宏
  • 期刊:无(扬州大学硕士学位论文)
  • DOI:无
  • 发表年份:2024年

综合评定:🟠 高度可疑

详细发现

发现 1:数据造假检测(自相矛盾的神经网络拟合结果)

  • 位置:Table 5-34 / Page 63
  • 描述:论文在展示BP神经网络代理模型的拟合效果时,Table 5-34(上游折坡处垂直动应力 s23)出现了严重的数据自相矛盾。该表显示:
    • 训练集均方误差(MSE)= 1.55e-01
    • 测试集均方误差(MSE)= 8.58e-01
    • 而对应的相关系数 R 值却高达:训练集 0.9996,测试集 0.9991
  • 证据
    1. 量级异常:同章节其他应力(如s21, s24)的MSE均在 e-04e-06 级别,唯独s23的MSE达到了 0.15 ~ 0.858,相差了3到5个数量级。这在同一个有限元模型、同一批样本中是极不合理的,通常意味着该组数据存在异常值或计算崩溃。
    2. 统计学悖论:MSE = 0.858 意味着预测值与真实值的平均误差平方接近1。在应力值通常为几十MPa的情况下,误差接近1尚可接受,但结合Pearson相关系数表(Table 5-45)中s23的相关性均较弱(最大绝对值仅为0.6左右),说明数据波动并不剧烈。
    3. 核心矛盾:如果数据波动不大,MSE=0.858 说明拟合非常差;如果拟合非常差,R值不可能达到0.999。唯一的解释是:数据被人为篡改或捏造,作者为了掩盖过大的误差,直接编造了一个“好看”的R值,或者在复制粘贴时弄混了数据行,甚至可能是为了强行凑出高拟合度而使用了错误的数据集。
  • 严重程度:🔴

发现 2:第六式:引用与方法学异常(不合理的地震参数分布)

  • 位置:Table 6-2 / Page 73
  • 描述:在非线性动力响应敏感性分析中,作者设定地震振幅 \(a_e\) 服从极值Ⅱ型分布,均值为 0.0959g,标准差为 0.017g,但取值范围设定为 0.061g ~ 0.498g
  • 证据
    1. 统计学上的不可能:在极值分布中,如果标准差仅为0.017,意味着数据非常集中。上限0.498g距离均值0.0959g相差约 23.6个标准差(0.498 - 0.0959 = 0.4021)。在极值Ⅱ型分布(通常为重尾)中,虽然长尾存在,但在如此小的标准差下,设定如此离谱的上界完全脱离了统计学的合理性。
    2. 脱离工程实际:样本抽样(Table 6-3)显示,抽样的值大多在0.06~0.17之间,根本没有触及0.498这个极值。作者设定这个范围可能是为了涵盖“校核地震”(前面提到校核加速度为0.236g),但生搬硬套统计学分布(极值Ⅱ型)导致参数组合在逻辑上崩塌。这说明作者可能并不理解分布参数的含义,只是为了凑字数或显得“高深”而随意填写的参数。
  • 严重程度:🟠

发现 3:第五式:产出异常检测(模式化的“量产”痕迹)

  • 位置:全文图表(Figure 5-1 ~ 6-25, Table 5-4 ~ 6-35)
  • 描述:论文中包含大量的(超过40张)回归拟合图和散点图,格式完全一致,数据表现“完美”。同时,BP神经网络的拟合结果(R值)几乎清一色高于0.99。
  • 证据
    1. 虽然有限元数据确实比实验数据平滑,但对于涉及非线性损伤(塑性模型)的动力时程分析,BP网络能在100个样本下对所有测点都达到Test R > 0.99 的拟合度,略显“不可思议”。
    2. 特别是在发现1(Table 5-34)MSE极高的情况下,R值依然被报告为0.999,这暴露了作者可能采用了自动化脚本批量跑数据,且并未对异常结果进行人工核查,或者为了保持论文的“完美性”,统一修改了R值的结果。
  • 严重程度:🟡

耿同学辣评

这篇论文的数据处理就像是用了“美颜滤镜”还把磨皮程度拉到了最大——连神经网络拟合结果的误差都快赶上天了(MSE=0.858),居然还敢写R值等于0.999,这简直是在挑战高等数学和统计学的底线!更别提那个“均值0.096、上限0.498、标准差0.017”的薛定谔地震动了,23个标准差的极值,你是想用这地震把地球震碎吗?建议作者先搞清楚MSE和R值的数学关系,再考虑怎么给大坝做敏感性分析吧!

建议后续行动

  • 联系作者要求提供原始数据(特别是Table 5-34对应的BP神经网络训练日志)
  • 在 PubPeer 上提出质疑
  • 向期刊编辑部举报(本论文为学位论文,建议向扬州大学学位委员会/学术委员会举报)
  • 核查该实验室其他论文是否存在类似的数据矛盾

⚠️ 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。