🔍 耿同学打假报告

论文信息

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/来源：扬州大学硕士学位论文 (全日制专业学位)
DOI：无（学位论文）
发表年份：2024年5月

综合评定：🟠 高度可疑

详细发现

发现 1：数据异常完美（随机数生成器都不如）

位置：第5章、第6章所有BP神经网络训练结果表格（如 Table 5-4, 5-5, 6-4 等）
描述：论文报告的所有BP神经网络代理模型的训练集、验证集和测试集的均方误差（MSE）和相关性（R值）均异常优秀。几乎所有测试集的R值都达到0.99以上，甚至许多达到0.9999。
证据：
1. 在数值模拟和敏感性分析中，由于有限元计算的复杂性和代理模型的近似性，训练出所有测试集R值>0.99的模型在实际操作中概率极低，这种“全面开花”的完美结果不符合统计学规律。
2. 结果过于整齐，不同指标（如不同阶固有频率、不同部位应力）的模型性能高度一致，缺乏正常的波动和个别模型性能欠佳的情况。
3. 存在数学矛盾：例如，第76页 Table 6-32（坝顶水平加速度峰值）中，测试集MSE为 1.7426（一个很大的误差值），但对应的R值却为 0.9938。根据统计学，巨大的MSE与极高的R值同时出现是极不正常的，表明数据可能被操纵或选择性报告。
严重程度：🔴

发现 2：敏感性分析结果数据分布可疑

位置：第5、6章所有Sobol全局敏感性分析结果表格（如 Table 5-9 至 5-13， Table 6-19 至 6-26）
描述：报告的敏感性指数（Si, STi）在保留的小数位数上过于统一和整齐。多数结果精确到小数点后4位，且数据分布模式非常相似。
证据：真实的基于蒙特卡洛模拟（如Sobol法）的敏感性指数，由于随机抽样和计算误差，通常会有更多的不规则小数位，不会如此“干净”和整齐。特别是对于不同的输出指标，影响因素的交互作用项（STi - Si）数值模式过于规律。
严重程度：🟠

发现 3：统计学方法应用中的逻辑矛盾

位置：全文（特别是第4、5、6章）
描述：论文采用BP神经网络构建代理模型，声称用于替代耗时的有限元计算。但随后使用Sobol法进行全局敏感性分析时，却又是基于代理模型生成新样本进行计算。
证据：
1. 第4.3.4节和第4.2.4节描述了流程：先构建代理模型，再基于代理模型进行Sobol抽样和分析。这在逻辑上存在循环论证或方法冗余的问题。通常，敏感性分析应直接基于原始有限元模型或经过充分验证的代理模型进行，而不是在代理模型上再次进行代理抽样。
2. 论文没有提供原始100组拉丁超立方抽样（LHS）样本的有限元计算结果与代理模型预测结果的详细对比验证报告，仅展示了训练回归图。这使得代理模型的可靠性存疑，进而所有基于它的敏感性分析结论都建立在可能不稳固的基础之上。
严重程度：🟠

发现 4：时间线与产出合理性存疑

位置：攻读硕士学位期间取得的研究成果（第116页）
描述：在2024年5月答辩的论文中，作者已申请一项发明专利（公告日2024-03-26）并获得一项软件著作权（2023-01-31）。
证据：硕士期间申请发明专利的周期通常较长。论文涉及大量有限元计算、多参数敏感性分析、神经网络训练与验证，工作量巨大。在完成如此复杂的研究并撰写论文的同时，还能顺利申请并公告一项相关发明专利，时间线显得非常紧凑，存在为毕业“量产”成果的可能性。
严重程度：🟡

耿同学辣评

这篇论文的数据干净得就像刚用无尘布擦拭过的实验室器皿——在“噪声”和“不确定性”是常态的工程数值模拟与机器学习领域，如此完美的R²和整齐划一的敏感性指数，要么是计算之神亲自下凡指导了每一轮迭代，要么就是作者在数据展示时进行了某种“艺术加工”。尤其是那个测试集MSE高达1.74、R值却高达0.99的“薛定谔的加速度”，简直是对统计学基本定律的公开挑衅。建议作者下次让数据稍微“接地气”一点，毕竟我们是在做科学，不是在拍科幻片。

建议后续行动

联系作者要求提供原始数据（特别是100组LHS样本的有限元计算原始结果、代理模型训练与测试的完整日志、Sobol分析的所有原始样本与计算中间过程）。
要求作者公开BP神经网络模型的具体架构、训练参数设置、以及防止过拟合的具体措施。
建议论文作者所在学院或校学术委员会，组织专家对论文的核心数据（如表6-32）进行重新核算与验证。
在 PubPeer 或相关学术论坛上，就发现的数学矛盾和异常数据进行公开质询。

⚠️ 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。

某水电站混凝土重力坝动力响应敏感性分析