🔍 耿同学打假报告

论文信息

• 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
• 导师：李占超 副教授
• 单位：扬州大学 水利科学与工程学院
• 年份：2024年5月

综合评定：🟠 高度可疑

详细发现

发现 1：数据逻辑自相矛盾 (R值与MSE的冲突)

• 位置：第5章，第62页，表5-34 (上游折坡处垂直动应力均方误差和相关性结果)
• 描述：论文中大量使用了BP神经网络构建代理模型，并展示了训练集、验证集和测试集的均方误差(MSE)和相关性(R)。绝大多数表格（如5-4至5-33）的MSE都在 \(10^{-4}\) 到 \(10^{-6}\) 量级，且R值接近1。
  然而，在表5-34中，出现了惊人的数据异常：
  • 训练集 MSE: 1.55e-01 (0.155), R: 0.9996
  • 验证集 MSE: 1.98e-01 (0.198), R: 0.9998
  • 测试集 MSE: 8.58e-01 (0.858), R: 0.9991
• 证据：
  1. MSE异常巨大：0.858的MSE相对于同章节其他表格（例如表5-33的2.85e-04）大了约3000倍。这意味着该模型的预测误差极大。
  2. R值与MSE的悖论：论文声称MSE高达0.858（测试集），但相关系数R居然还是0.9991。在统计学上，巨大的均方误差与极高的线性相关度并存通常意味着数据存在巨大的常数偏差（截距误差）或者数据造假/复制粘贴错误。
  3. 可能的原因：作者在处理ABAQUS输出数据或运行神经网络代码时，该组变量的数据可能未进行归一化，或者代码存在Bug导致输出乱码，但作者并未仔细检查计算结果，直接将程序输出的日志复制到了论文中。
• 严重程度：🔴 (确凿的数据异常，表明作者对实验数据缺乏基本的检查和把控)

发现 2：代理模型“过于完美”的拟合

• 位置：第5章、第6章 (所有神经网络训练结果表格)
• 描述：作者构建的LHS-BP代理模型，针对频率、位移、应力、加速度等多个指标，其相关系数R值清一色在0.99以上，大多数为0.999x。
• 证据：
  1. 在有限元分析结合神经网络的代理模型构建中，训练集R=1是常见的（过拟合），但验证集和测试集同样达到0.999x是非常罕见的。
  2. 尤其是涉及非线性动力响应（表6-4至表6-18）和复杂的应力集中部位（如折坡处），数据通常包含噪声，完美的拟合往往暗示着数据泄露（Data Leakage，测试集参与了训练）或者样本多样性不足（采样的样本点变化极小，导致神经网络直接记忆了输入输出对）。
  3. 虽然这不一定意味着修改数据，但属于典型的**“跑数流”学术套路**——只要程序跑通，不管结果是否符合物理逻辑，直接写进论文。
• 严重程度：🟠 (高度可疑，建议核查原始MATLAB/Python代码及样本集)

发现 3：图片信息缺失无法进行像素级检测

• 位置：全文图表
• 描述：提供的PDF文本中提取了图片标题，但无图片本身。
• 证据：文本中大量出现“图3-1 重力坝上下游展示及部分坝段横剖面图”、“图5-1 第1阶固有频率训练回归结果”等，但无法查看是否有拼接痕迹或图片复用。
• 严重程度：🟡 (客观条件受限)

发现 4：方法描述的“模板化”与工作量堆砌

• 位置：第5章、第6章
• 描述：论文的结构极其单一。5.3、5.4、5.5节分别对频率、位移、应力进行了分析，6.3、6.4、6.5节对非线性响应进行了分析。每节的内容几乎是“复制粘贴+替换变量名”。
• 证据：
  1. 例如5.4.1和5.5.1节中关于BP神经网络构建的描述几乎完全一致：“BP神经网络的训练方式采用与5.3.1小节相同的算法和训练参数设置”。
  2. 论文实质上只做了一个工作：用Python写了一个脚本，连接ABAQUS跑参数，然后代进MATLAB的BP神经网络工具箱，最后把结果画图。这种“算力换论文”的模式在工程类硕士论文中常见，但缺乏对异常数据的深入挖掘（如发现1所述）。
• 严重程度：🟡 (学风问题，非直接造假)

发现 5：文献引用与时效性冲突

• 位置：参考文献与致谢
• 描述：参考文献中有大量2021、2022年的文献，符合2024年毕业的要求。但在“攻读硕士学位期间取得的研究成果”中，列出了一项发明专利“CN202311636727.4”。
• 证据：
  1. 专利号“CN202311636727.4”通常表示2023年11月申请。公开（公告）日为2024年3月26日。答辩日期为2024年5月17日。
  2. 这个时间线是合理的（发明专利申请公布比较快）。
  3. 但是，专利名称为“一种混凝土重力坝动力响应敏感性分析方法及系统”，这与论文题目完全重合。通常专利审查需要审查新颖性，而论文在2024年5月才答辩，这意味着论文的核心内容（即该分析方法）在论文答辩前已申请专利，逻辑上自洽，但侧面印证了该研究可能具有较强的“知识产权包装”目的，而非纯粹的学术探索。
• 严重程度：🟡 (合理但需注意)

耿同学辣评

这篇论文简直就是“自动化流水线学术”的典范。Ctrl+C, Ctrl+V, run script, thesis done.

表5-34那个0.858的MSE配着0.9991的R值，简直是统计学上的“异形”。这就好比你说“我预测今年的GDP是100万亿，误差只有1块钱”，结果回头一看，你预测的是“某个偏远村庄的GDP”，这就搞笑了嘛！数据是跑出来的，但这数据你自己看过吗？是不是只要R值有个9，就直接拿去交差了？

这种用机器学习黑箱套壳有限元的研究，如果不把住数据质量这一关，出来的就是一堆漂亮的废话。建议作者回去好好检查一下你的Python脚本，看看是不是有一行代码 MSE = random() 忘删了。

建议后续行动

• 联系作者要求提供原始数据（特别是表5-34对应的上游折坡处垂直动应力的原始计算文件）
• 检查MATLAB代码（检查是否存在测试集泄露或未归一化的Bug）
• 在 PubPeer 上提出质疑 (待查实图片后)
• 向期刊编辑部举报 (本篇为学位论文，建议向扬州大学学术委员会反馈)

⚠️ 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。