🔍 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：扬州大学硕士学位论文（全日制专业学位）
• DOI：无
• 发表年份：2024年
• 导师：李占超 副教授
• 论文来源：某水电站混凝土重力坝动力响应敏感性分析.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：时间线事实冲突（第六式：引用与方法学异常）

• 位置：第1章（第5页） / 第3章（第24页）
• 描述：论文在绪论和正文模型建立部分对 Koyna 地震的发生年份描述存在严重的前后矛盾。
• 证据：
  1. 在第1章绪论中（第5页），作者写道：“印度的 Koyna 重力坝……在1967年12月10日经历6.7级地震后……”。
  2. 然而在第3章模型建立部分（第24页），作者写道：“地震时程选取 Koyna 重力坝1976年的地震记录。”
  3. 历史事实是 Koyna 大坝地震发生于 1967 年。作者在关键的数据来源描述上出现了近10年的时间跨度错误。
• 严重程度：🟠

发现 2：BP神经网络数据异常“过于完美”（第二式：数据造假检测）

• 位置：第5章、第6章（表5-4表5-8, 表5-17表5-20, 表6-4~表6-18等）
• 描述：作者使用了 100 组样本（70训练，15验证，15测试）构建 BP 神经网络代理模型。在如此小的样本量下，尤其是针对复杂的非线性有限元模型，所有的训练集、验证集、测试集的相关性系数 R 值几乎全部在 0.99 以上，甚至大量出现 0.9999 的极高值。
• 证据：
  1. 表 5-4 中第1阶固有频率，训练、验证、测试的 R 值分别为 0.99699, 0.99462, 0.99669，均接近 1。
  2. 表 6-15 坝踵垂直动应力峰值，训练、验证、测试 R 值分别为 0.9998, 0.9947, 0.9949。
  3. 对于 7 个输入参数的复杂非线性系统，仅用 70 个训练样本就能达到如此高的拟合精度，数据呈现出“教科书式”的完美，缺乏真实计算应有的噪声和波动，有为了迎合结论而人为构造数据或过度调参（甚至编造）的嫌疑。
• 严重程度：🟠

发现 3：误差数据与结论严重背离（第二式：数据造假检测 & 第四式：统计学异常检测）

• 位置：第6章（表6-32） / 第6.5.1节文字描述
• 描述：在坝顶水平加速度峰值的代理模型训练结果中，测试集的均方误差（MSE）出现了爆炸性增长，与训练集和验证集相差数千倍，但作者仍宣称模型具有“显著的泛化效果”。
• 证据：
  1. 表 6-32 显示，坝顶水平加速度峰值的训练集 MSE 为 0.0002（R=0.9999），验证集 MSE 为 0.0050（R=0.9964）。
  2. 然而，测试集 MSE 突然飙升至 1.7426（R=0.9938）。这意味着测试集的平均误差平方根（RMSE）约为 1.32 m/s²。
  3. 对比其他表格中动辄 10^-5~10^-8 级别的 MSE，这里的测试误差比训练误差大了近 8700倍！这说明模型在测试集上完全失效。
  4. 更离谱的是，作者在紧随其后的文字描述中（第99页）写道：“由上述表的 BP 神经网络训练的均方误差和相关R值的结果表明。BP神经网络的训练结果较好，有显著的泛化效果。” 这完全无视了 1.7426 这个异常巨大的误差值，属于睁眼说瞎话，数据造假嫌疑极大。
• 严重程度：🔴

发现 4：训练误差与测试误差的分布不合逻辑

• 位置：第6章（表6-11, 表6-13, 表6-15 等）
• 描述：在多篇表格中，测试集的 MSE 远小于训练集的 MSE，这在统计学上虽然可能发生，但在该文中频率过高且幅度过大，显得极不自然。
• 证据：
  1. 表 6-11（坝踵水平动应力）：训练集 MSE = 9.15e-06，测试集 MSE = 1.24e-08。测试误差比训练误差小了近 738倍。
  2. 表 6-15（坝踵垂直动应力）：训练集 MSE = 3.21e-08，测试集 MSE = 1.09e-10。测试误差比训练误差小了近 294倍。
  3. 通常情况下，BP 神经网络在训练集上的表现应优于或接近测试集。如此频繁且大幅度地出现“测试表现远优于训练表现”，且数值工整，往往是为了让“所有数据都看起来很好看”而人为拼凑的结果。
• 严重程度：🟠

耿同学辣评

这篇论文的时间线就像是坐了时光机，Koyna地震在绪论里是1967年，到了计算章节就穿越到了1976年。更精彩的是那个BP神经网络，100个样本训出来的模型，R值个个赛高考状元（0.9999），结果表6-32里的测试集MSE直接飙到了1.7426，比训练集高了近四位数！咱们作者还硬着头皮夸“泛化效果显著”，这已经不是泛化了，这是“欺骗效果显著”啊！数据漂亮得像PS过的自拍照，连个毛孔（误差）都不带留的。

建议后续行动

• 联系扬州大学水利科学与工程学院及导师，要求核实论文原始计算数据（特别是BP神经网络的训练日志和FEM计算结果）。
• 在论文抽检平台上重点关注此论文的数据真实性。
• 鉴于 Koyna 地震年份错误属于硬伤，且结合数据异常，建议学术委员会进行复核。

⚠️ 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。