🔍 耿同学打假报告

论文信息

• 论文来源：混凝土坝监测数据的相似性度量与分析_田甜.pdf
• 标题：混凝土坝监测数据的相似性度量与分析
• 作者：田甜
• 指导教师：李占超 副教授
• 学院：水利科学与工程学院（扬州大学）
• 答辩日期：2024 年 5 月 17 日
• 学位：硕士学位论文（全日制学术学位）

综合评定：🔴 实锤

详细发现

发现 1：表格数据与均值计算严重不符（数学模型造假嫌疑）

• 位置：第 2 章，表 2-2 实验结果（第 20-21 页）
• 描述：论文列出了 10 个数据集在不同算法下的分类错误率，并在最后一行给出了“平均错误率”。然而，根据表中列出的 10 个具体数值进行简单的算术平均计算，结果与论文声称的“平均错误率”完全对不上。这是典型的数据东拼西凑、汇总时未重新计算或者编造数据的特征。
• 证据：
  1. DTW-TMSAX 算法：
     • 文中所示数据求和：0.199 + 0.131 + 0.032 + 0.148 + 0.310 + 0.179 + 0.020 + 0.046 + 0.035 + 0.166 = 1.266
     • 真实平均值：1.266 / 10 = 0.1266
     • 论文声称平均值：0.1313（误差较大）
  2. DTW-SAX 算法：
     • 文中所示数据求和：0.226 + 0.109 + 0.153 + 0.481 + 0.342 + 0.416 + 0.106 + 0.063 + 0.250 + 0.400 = 2.546
     • 真实平均值：2.546 / 10 = 0.2546
     • 论文声称平均值：0.2456（不一致）
  3. SAX 算法：
     • 文中所示数据求和：0.236 + 0.354 + 0.253 + 0.560 + 0.359 + 0.512 + 0.213 + 0.016 + 0.464 + 0.500 = 3.467
     • 真实平均值：3.467 / 10 = 0.3467
     • 论文声称平均值：0.3022（相差甚远）
  4. DTW 算法：
     • 文中所示数据求和：0.201 + 0.237 + 0.051 + 0.177 + 0.318 + 0.208 + 0.093 + 0.007 + 0.002 + 0.367 = 1.661
     • 真实平均值：1.661 / 10 = 0.1661
     • 论文声称平均值：0.1751（不一致）
• 严重程度：🔴 实锤

发现 2：时间线穿越与常识性笔误（Copy-Paste 痕迹）

• 位置：第 2 章，2.4.1.2 节及 2.4.2.1 节
• 描述：论文在描述工程实例时，出现了明显的年份混乱和超长年份，这通常是由于从其他文献或文本中复制粘贴内容时未进行仔细修改导致。
• 证据：
  1. 2.4.1.2 节：文中写道“其分别对应 1986 年 7 月 8 日～19878 年 4 月 6 日”。此处出现了一个长达近两万年的年份“19878年”，显然是输入错误或复制粘贴时的格式错乱。
  2. 2.4.2.1 节：文中描述渗流监测数据分析时，数据序列范围为“2017 年 6 月 1 日～2019 年 5 月 31 日”。但在分析偏度时，突然提到“但在第一时段内 2008 年 8 月 3 日的监测数据偏度较小”。在 2017-2019 年的数据区间内突然冒出 2008 年的数据，极有可能是复制了上一节（变形监测数据分析）的文本而忘记修改年份（上一节数据始于 1964 年）。
• 严重程度：🟠 高度可疑（学术态度极不严谨）

发现 3：深度学习模型原理描述存在逻辑硬伤（方法论胡编乱造嫌疑）

• 位置：第 4 章，4.1 节引言及 4.3 节
• 描述：论文提出了一种基于 CNN 的“无监督”相似性度量方法，但其描述的训练方式存在根本性的逻辑错误。
• 证据：文中提到：“通过单次输入一个混凝土坝监测序列作为训练数据，并设定标签为 0，以此为基础度量与其他序列的相似度。”
  • 分析：如果在训练 CNN 时，输入单个序列并强制 Label 为 0，这实际上是在训练一个自编码器（如果输出也是该序列）或者仅仅是一个特征提取器。但如果仅仅是“设定标签为 0”，模型无法学习到“相似性”的概念。
  • 通常，相似性度量需要成对输入，或者利用 triplet loss（三元组损失），或者通过重构误差来判断。文中描述的方法听起来像是生搬硬套分类网络的概念，强行声称可以进行相似性度量，且没有详细说明如何仅凭“标签为 0”就能计算两个不同序列之间的相似度得分。
• 严重程度：🟠 高度可疑

发现 4：统计检验结果存疑

• 位置：第 3 章，3.5.2 节
• 描述：模型拟合优度参数 F 值高得离谱。
• 证据：文中提到“模型的拟合优度参数 F 和 R 分别为 2.5276×10³ 和 0.9686”。
  • 分析：虽然大坝监测数据拟合可能出现较高的 F 值，但 2527.6 这个数值在一般的工程统计回归中极为罕见，通常意味着模型可能存在严重的共线性问题或者过拟合，或者仅仅是誊写错误。结合第二章表 2-2 的数学计算错误，这里的数值可信度存疑。
• 严重程度：🟡 存疑

耿同学辣评

这篇名为《混凝土坝监测数据的相似性度量与分析》的硕士论文，在耿同学眼里简直就是一场“大家来找茬”的盛宴。

咱先不说那一眼望过去像是从几篇论文里拼凑出来的“缝合怪”结构，单说那个表 2-2 的计算错误，就足够让人笑掉大牙了。同学，小学老师没教过你算平均数吗？还是说你编数据的时候只编了每个格子的数，最后算均值的时候直接拍脑袋想了一个？连 10 个数字加起来除以 10 都能算错，你让我相信你算得清复杂的相似性度量距离？

还有那个**“19878年”和“2018年数据里出现2008年”**的穿越剧桥段，简直是“复制粘贴”的铁证。写论文不是抄作业，抄完了好歹检查一下年份行不行？大坝监测数据都监测到一万年后了，这哪是水利工程，这是科幻小说啊！

最后那个CNN“设定标签为0”就能算相似度的神逻辑，更是把深度学习当成了算命先生的水晶球。这种描述不仅不懂深度学习，甚至连基本的逻辑自洽都做不到。

总结一句：数学算不对，年份能穿越，AI瞎胡编。这哪里是在做科研，这分明是在测试答辩评委的视力！

建议后续行动

• 联系作者及导师：要求对表 2-2 的平均计算错误及文中年份错误做出合理解释。
• 核查原始数据：重点核查第二章实验数据及第三章大坝监测数据的真实性，是否存在编造或篡改。
• 重新评审：建议扬州大学水利科学与工程学院学术委员会对该论文进行重新评审，特别是关于深度学习部分的逻辑合理性。

⚠️ 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。