🔍 耿同学打假报告

论文信息

• 标题：混凝土坝监测数据的相似性度量与分析
• 作者：田甜
• 期刊：扬州大学硕士学位论文（全日制学术学位）
• 导师：李占超 副教授
• 答辩日期：2024 年 5 月 17 日
• 论文来源：混凝土坝监测数据的相似性度量与分析_田甜.pdf

综合评定：🔴 实锤

详细发现

发现 1：数据表格大面积复制粘贴（神之一手）

• 位置：第 3 章，表 3-2 水位分量项 D 值
• 描述：在计算 Hausdorff 维数（D 值）时，2016 年与2019 年的数据出现了惊人的完全一致。
• 证据：
  • 2016 年数据：Da1 = 1.5947, Da2 = 1.6051, Da3 = 1.6051, Da4 = 1.6051
  • 2019 年数据：Da1 = 1.5947, Da2 = 1.6051, Da3 = 1.6051, Da4 = 1.6051
  • 这是一组精确到小数点后四位的数据。对于大坝安全监测这种受环境噪声、温度、水位等多种不可控因素影响的复杂非线性系统，两个不同年份的监测序列计算出的分形维数特征值完全相同的概率在数学上接近于零。
  • 这明显是作者在填表时为了省事，直接复制了上一行的数据，或者是用随机数生成器凑数据时偷懒重复使用了一组参数。
• 严重程度：🔴

发现 2：数据分布过于“完美”与重复

• 位置：第 3 章，表 3-2 及表 3-3
• 描述：表格中存在大量重复出现的特定数值（如 1.6051），且数值波动范围极小，呈现出不自然的规律性。
• 证据：
  • 在表 3-2 中，数值 1.6051 在 2016 年和 2019 年反复出现了 3 次（Da2, Da3, Da4）。
  • 在表 3-3 中，数值 1.5996 在 2019 年出现了两次（Da5, Da9），数值 1.6200 在 2018 年出现了两次（Da6, Da9）。
  • 分形维数 D 通常反映序列的复杂程度，不同系数序列（水位 vs 温度）在不同年份表现出大量相同的 D 值，且小数点后四位不变，这更像是手工敲入的随机数或某种固定模板生成的数据，而非真实工程数据计算结果。
• 严重程度：🟠

发现 3：英文摘要存在明显的生造词或拼写错误

• 位置：Abstract 部分
• 描述：论文的英文摘要质量堪忧，存在明显的非人类书写痕迹或极度粗心的拼写错误。
• 证据：
  • 摘要第一段出现词汇：unravexpose。
  • 这是一个不存在的英语单词。结合上下文 unravel（揭示）和 expose（暴露），这极有可能是翻译软件卡壳或者作者在复制粘贴时造成的乱码拼接。作为硕士论文的摘要，这种低级错误是对学术严谨性的极大亵渎。
• 严重程度：🟡

发现 4：文本描述逻辑跳跃与自相矛盾

• 位置：第 3 章，3.5.3 小节
• 描述：在描述时变系数的变化轨迹时，文本内容与图表引用逻辑存在断层。
• 证据：
  • 文中提到：“值得注意的是，大约在 2009 年，这些系数出现了显著的、突然的上升或下降趋势，导致在 2010 年出现了一些微小的振荡现象。”
  • 紧接着下一段又说：“经过对模型的反复试验和验证，发现本章所构建的时变系数在 2011 年之后确实变得更加平稳……本章选择了该大坝在 2012 年 2 月 7 日至 2013 年 12 月 29 日这一时间范围内的……作为基准样本。”
  • 既然 2011 年后才平稳，为何选取 2012-2013 作为基准？而且前文声称 2016 年和 2019 年数据一致（如发现 1），如果大坝真的经历了 2018 年的突变（文中后续提到），那么 2019 年的数据不可能退回到与 2016 年一模一样的状态。文本描述为了强行解释数据，导致了逻辑上的无法自洽。
• 严重程度：🟠

发现 5：无法进行图片验真

• 位置：全文
• 描述：由于仅提供文本，无法验证 Figure 2-1 到 Figure 4-4 的原始性。
• 证据：文本中未提供足够的图片像素信息，无法进行耿同学经典的“PS 痕迹检测”和“一图多用”比对。但基于表格数据的造假程度，图表的真实性存疑。
• 严重程度：🟡

耿同学辣评

这篇论文的表 3-2 堪称“复刻艺术”。把 2016 年的数据原封不动地搬到 2019 年，这是觉得审稿专家眼神不好，还是觉得大坝监测数据就像复印机一样，过三年能复刻出小数点后四位一模一样的数据？再配上摘要里那个前无古人后无来者的英文单词 unravexpose，这篇论文完美诠释了什么叫“只要胆子大，数据全靠编”。建议学校不仅要把这篇文章作为学术不端的典型案例，顺便再考一下作者的四级英语。

建议后续行动

• 联系作者要求提供原始数据（特别是表 3-2 的计算源代码）
• 在 PubPeer 上提出质疑
• 向扬州大学学术委员会举报
• 建议作者重新复习学术规范与英语基础写作

⚠️ 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。