🔍 耿同学打假报告

论文信息

• 论文来源：混凝土坝结构参数在线动态识别及重构方法研究 .pdf
• 标题：混凝土坝结构参数在线动态识别及重构方法研究
• 作者：梁佳铭
• 期刊：扬州大学博士学位论文（学术学位）
• 导师：吉庆丰 教授
• 答辩日期：2024 年 5 月 26 日
• 当前日期：2026-06-08

综合评定：🟠 高度可疑

详细发现

发现 1：公式逻辑硬伤（降维还是原地踏步？）

• 位置：第 3 章 3.3 数据的特征降维技术 -> 3.3.2 特征提取方法 -> 公式 3-2
• 描述：论文在第 60 页（推测页码，基于目录结构）试图定义特征降维的数学过程。公式 3-1 定义了一个 n 维向量 X，然后公式 3-2 定义映射后的 m 维向量 Y。
• 证据：文中明确写道：“假设有一个 n 维向量... Y = [y1, y2, ..., ym]^T, m = n”。紧接着下文解释说“这就是一个特征降维的过程”。
• 耿同学辣评：我的天哪！m = n 叫降维吗？ 那叫线性变换/坐标旋转！维度根本没变！如果是 OCR 识别错误，那审稿人和导师没发现？如果是作者手误，那整段关于“降维”的论述在数学上都是站不住脚的。这就好比你要减肥，结果把左口袋的钱放到了右口袋，然后说自己变瘦了。
• 严重程度：🔴

发现 2：文献调研中的事实性错误（复制粘贴的痕迹？）

• 位置：第 1 章 绪论 -> 表 1-1 溃坝事故统计表
• 描述：表 1-1 中列举了世界著名的溃坝事故，但存在明显的名称错误。
• 证据：
  1. 编号 1：“Dale Decker” (英国, 1864)。历史上 1864 年英国发生的是 Dale Dyke 大坝溃坝（谢菲尔德大洪水）。不存在 "Dale Decker" 这个著名溃坝事故，这极有可能是从某些二手文献甚至错误的网络资源中复制粘贴时的拼写错误，或者原作者根本没查证原文献。
  2. 编号 12：“Manju No.2” (印度, 1979)。虽然印度确实有溃坝，但更为著名的是 Machhu Dam-II (1979)。且表中第 14 列“失事原因”出现了空白（“——”）。
• 分析：这种低级的专名错误通常意味着作者没有阅读相关的一手历史文献或权威英文资料，而是直接引用了国内某篇综述性文章里的表格。这在博士论文的严谨性上是扣分项。
• 严重程度：🟠

发现 3：数据过于完美（“理想”的自适应采样结果）

• 位置：第 2 章 -> 表 2-4、表 2-7
• 描述：论文提出了一种多输出的自适应采样策略，表格展示了随着采样轮次的增加，各测试函数的 NRMSE（归一化均方根误差）变化。
• 证据：观察表 2-4 中的 f1~f6 的 NRMSE 变化趋势。以 f1 为例，从初始的 0.026429 开始，每一轮（1轮到16轮）的数据分别是：0.025664, 0.024739, 0.021589, 0.018124, 0.015625... 一直单调递减。
• 分析：在多输出自适应采样中，为了照顾全局最优点而添加的样本点，极有可能在单个输出（如 f1）上导致局部拟合变差（即误差反弹）。然而，这篇论文中所有函数的所有测试轮次，无一例外全部呈单调递减趋势。这在复杂的数值模拟和代理模型更新中是非常罕见的“完美”现象。虽然算法目标是改进，但实际计算中往往会有波动。如此完美的数据让人怀疑是否是挑选了最好的种子结果，或者是人工“润色”了数据走向。
• 严重程度：🟡

发现 4：图表缺失导致无法进行图像伪影分析

• 位置：全文所有 Figure（图 1-1 至图 3-1 等）
• 描述：提供的 PDF 文本中仅包含文字和表格，所有的图片均以标题形式存在，无实际图像数据。
• 证据：无图片。
• 分析：由于无法获取图片，无法检测 Western Blot（本文无）、显微镜图、数值模拟云图是否存在拼接、旋转、重复使用或背景噪点异常。特别是第 2、3 章大量依赖图表展示拟合效果，这些图的缺失限制了第一式和第三式的检测。
• 严重程度：⚪ (无法判断)

发现 5：摘要与目录的细微结构不一致

• 位置：目录 vs 正文
• 描述：在目录中，第 4 章 4.2.3 节标题为“基于方差的全局敏感性方法”。但在 4.2 节标题下只有 4.2.1 和 4.2.3，缺失了 4.2.2。
• 证据：目录显示：
  4.2 参数的可识别性分析
  4.2.1 模型参数的唯一性
  4.2.3 基于方差的全局敏感性方法
• 分析：缺失 4.2.2 小节编号。这通常是 Word 排版错误，或者写作过程中删减了内容但未更新列表。虽不致命，但反映编辑不够细致。
• 严重程度：🟡

耿同学辣评

这篇博士论文的算法理论看起来“高大上”，搞了一堆自适应采样、变分自编码器（VAE）和多保真度模型。但是，连“m=n 不叫降维”这种基础数学逻辑都能写进公式里，这就像是在米其林餐厅端上了一盘没煮熟的生菜。再加上表 1-1 里把 Dale Dyke 写成 Dale Decker，这很难让人相信作者对相关领域的经典文献有扎实的掌握，更像是 Ctrl+C 加 Ctrl+V 的产物。至于那些“每一步都精准如钟表般单调递减”的数据，我只能说，要是搞算法都能像这数据一样听话，那就没有调参狗什么事了。

建议后续行动

• 核实公式 3-2 的数学定义，向作者或导师确认该处是否为笔误，以及该错误是否影响后续代码实现（如果代码里也这么写，那模型根本没降维）。
• 要求作者提供表 2-4 等关键数据表的原始计算代码和日志，验证多输出采样过程中误差是否真的从未出现过波动。
• 建议作者修正参考文献中的大坝名称拼写错误。

⚠️ 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。