🔍 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 / Sensitivity Analysis of Dynamic Characteristics of Concrete Gravity Dam of a Hydropower Station
• 作者：谷彦宏
• 指导教师：李占超 (副教授), 杨阳 (高级工程师)
• 院校：扬州大学水利科学与工程学院
• 答辩日期：2024年5月17日
• 学位类型：土木水利硕士（全日制专业学位）

综合评定：🟠 高度可疑

详细发现

发现 1：数据异常完美，疑似过度拟合或数据操纵（第二式：数据造假检测）

• 位置：全文所有BP神经网络训练结果（表5-4至表5-8，表5-17至表5-20，表5-28至表5-35，表6-4至表6-5，表6-11至表6-18，表6-32至表6-35）
• 描述：所有代理模型的训练集、验证集、测试集的均方误差（MSE）和相关性（R值）呈现异常的“完美”模式。
• 证据：
  1. R值全部高于0.99：在所有20个代理模型中，测试集R值几乎都大于0.99，这在工程实际和机器学习实践中极为罕见。尤其是对于复杂的非线性动力响应问题，模型在独立测试集上能达到如此高的拟合度，高度可疑。
  2. MSE数值过于整齐：不同模型（如第1阶至第5阶固有频率）的MSE值在同一数量级内（如e-05），且同一模型训练、验证、测试集的MSE值非常接近（例如表5-4中为1.83e-05， 1.58e-05， 1.50e-05）。这种高度一致性不符合不同数据集自然应有的差异。
  3. 线性响应与非线性响应模型表现无差异：无论是简单的线性模态分析还是复杂的非线性时程分析，BP神经网络都展现出近乎完美的预测能力。通常，非线性问题的代理模型构建难度远大于线性问题，其精度也难以达到如此高的一致性。
• 严重程度：🔴
• 耿同学辣评：这哪里是代理模型，简直是“模仿模型”！R值0.999的矩阵式输出，连神经网络本尊看了都要怀疑自己是不是被调参脚本给“算计”了。建议作者直接向《机器学习》期刊投稿，标题就叫《论BP神经网络如何完美复现一切物理规律》。

发现 2：统计结果规律性过强，缺乏自然噪声（第二式：数据造假检测）

• 位置：敏感性分析结果（表5-9至表5-13，表6-6至表6-7等）及Pearson相关系数结果（表5-15，表6-28等）
• 描述：Sobol敏感性指数和Pearson相关系数的分布呈现出不自然的规律性和对称性。
• 证据：
  1. Si和STi差值模式固定：对于大多数评价指标，敏感性系数一阶效应和总效应的差值（交互作用部分）呈现出模式化的规律。例如，对固有频率而言，交互作用主要集中在坝体动弹性模量（Ecd）和地基弹性模量，而其他因素的交互作用微乎其微，这种“有选择”的交互作用过于规律。
  2. 相关系数“整齐划一”：Pearson相关系数（r）的值，特别是对于影响较小的因素（如混凝土密度ρc，阻尼比ξ），其绝对值都非常小且相近（例如表5-15中ρc对所有阶频率的影响r值在-0.03到-0.04之间）。在10000个样本中，不同因素的相关性如此“统一”地微弱，不符合统计波动特征。
  3. 极值点完美对称：对于某些指标，敏感性最大的因素（如地震振幅ae对非线性响应）的STi值高达0.9以上，而其他因素的STi值骤降到0.01以下。这种“断崖式”的敏感性排序在复杂物理系统中不常见，更像是人为筛选或强调主要变量的结果。
• 严重程度：🟠
• 耿同学辣评：看看这Pearson系数的“排队站好”姿势，0.03、0.04的方阵比广场舞大妈还整齐。建议下次造假时给随机数生成器留点面子，让它也“喘口气”。

发现 3：时间线与事实错误（第六式：引用与方法学异常）

• 位置：第3.5.1节（第24页）
• 描述：文中声称使用的Koyna地震记录年份存在矛盾。
• 证据：论文第3.5.1节指出：“地震时程选取 Koyna重力坝1976年的地震记录”。然而，众所周知，Koyna重力坝地震发生于1967年12月10日。论文在参考文献[6]中也正确引用了1967年的信息。正文与既有知识及自身引用产生冲突，是一个明显的硬伤。
• 严重程度：🟠
• 耿同学辣评：连地震年份都能“穿越”到1976年，看来大坝的“动力响应”不仅对参数敏感，对历史时间线也敏感。建议修改论文，加入“时空曲率对重力坝动力响应的影响”这一创新点。

发现 4：方法学描述不充分（第六式：引用与方法学异常）

• 位置：第4.2.3节、第5.3.1节、第6.4.1节等
• 描述：对核心方法——BP神经网络的构建和训练，缺乏关键细节的描述。
• 证据：
  1. 只说“采用Levenberg-Marquardt算法”，未说明隐含层激活函数、输出层函数、学习率初值、训练终止条件（如验证集误差变化）等关键参数。
  2. 样本划分“70%-15%-15%”固定不变，对于所有不同复杂度的模型（从5阶频率到7个因素的复杂非线性响应）都采用相同比例，且未说明划分是否随机、是否有交叉验证等提升泛化能力的措施。
  3. 未报告训练过程：没有给出训练误差曲线、验证曲线，无法判断模型是否存在过拟合或欠拟合。在报告了“完美”结果的同时，省略了证明过程，无法进行独立验证。
• 严重程度：🟡
• 耿同学辣评：这BP神经网络像个“黑箱中的黑箱”。输入是参数，输出是结论，中间的训练过程像被“施了魔法”一样无法窥探。学术诚信的第一步是让研究过程“可重复”，而不是让读者去“盲盒”。

发现 5：结论与数据部分脱节（第四式：统计学异常检测）

• 位置：第5.5.3节、第6.4.3节文字结论与表5-45、表6-28数据对比
• 描述：文中关于线性/非线性变化规律的描述，与表格中Pearson相关系数（r值）的正负号所指示的趋势不完全一致。
• 证据：例如，第5.5.3节结论提到“坝踵水平动应力随地基弹性模量的增加呈现线性下降的规律”，但表5-45中，地基弹性模量对坝踵水平动应力（σ11）的r值为-0.7743，确实为负相关（下降）。然而，对于某些其他点（如σ14），结论描述为“线性上升”，但r值为0.7010（正相关）。虽然总体趋势描述可能没问题，但文字过于绝对化（“呈线性下降/上升”），而散点图（图5-29等）和r值仅表示相关趋势，并非严格的线性关系。这种绝对化表述与数据呈现的细微差异，可能是选择性解读的结果。
• 严重程度：🟡
• 耿同学辣评：数据说“我们有点相关”，结论说“看！完美的线性规律！”。这种从复杂相关关系到简单线性结论的“飞跃”，像极了为了凑结论而进行的“数据美容”。

耿同学辣评

这篇硕士论文在方法框架上看起来“高大上”，LHS-BP-Sobol-Pearson这套组合拳打得很溜。但仔细一瞧，满屏幕的“0.99”和整齐划一的小数点，仿佛是用了“学术调色板”统一调过色。地震波年份都能写错，更让人对其数据处理的严谨性产生怀疑。学术论文不是展示“完美拟合”的艺术展，而是探究真理的科学记录。如此“完美无瑕”的数据，反倒成了最大的破绽。

建议后续行动

• 联系作者要求提供原始数据及BP神经网络训练代码、模型文件
• 在 PubPeer 上提出质疑（针对数据完美性和时间线错误）
• 建议导师及答辩委员会复查论文，特别是数据部分
• 学校学术委员会可抽样复核其计算的中间过程和样本数据

⚠️ 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。