🔍 耿同学打假报告

论文信息

标题：基于深度学习的供水管网泄漏定位研究
作者：陈康
导师：阙思思副教授
机构/期刊：重庆交通大学（专业硕士学位论文）
发表年份：2025年12月

综合评定：🟠 高度可疑

详细发现

发现 1：图表文本“一稿多投”，跨章节复制粘贴痕迹明显

位置：图 3.3 与图 4.4 及其对应正文（第 33 页、第 56 页）
描述：作者在第三章（L-Town管网）和第四章（Net3管网）中，使用了完全相同的图表说明文字（“实际数据与模拟数据的对比结果”）以及几乎逐字逐句完全一致的段落描述。
证据：两套完全不同的供水管网（L-Town与Net3）、不同的节点数量与拓扑结构，其校验结果的文字描述和行文逻辑竟然天衣无缝地一致。原文第33页写道：“如图 3.3 所示，模拟曲线与基准曲线在顶部和谷值处高度相等。经计算，主要监测节点的平均决策系数 R2 > 0.98...”；第56页写道：“如图 4.4 所示，模拟曲线与基准曲线在顶部和谷值处高度相等。经计算，主要监测节点的平均决策系数 R2 > 0.9...”。这违背了基本的实验独立性原则，高度怀疑是复制粘贴后忘记修改。
严重程度：🔴
复核状态：✅ 成立

发现 2：数据造假检测——训练损失值存在“克隆”奇迹

位置：3.3 结果分析（图 3.8）与 4.3 结果分析（图 4.9）正文描述
描述：作者在描述两次完全不同的模型（第三章的 1D-DML 和第四章的 1D-DMCML）、不同数据集上的训练过程时，报告了精确到小数点后四位的完全相同的最终训练损失值。
证据：
- 第三章原文（第41页）：“从损失曲线图 3.8 可以明显看出，训练损失（0.1026）持续下降并维持在很低水平...在第 191 轮附近提前终止训练...”
- 第四章原文（第64-65页）：“直到后一个阶段（100 轮~200 轮）损失进一步降低，最终减少到 0.1026。而验证损失则在 0.5 处保持...接近 183 时立即停止继续训练...”
- 深度学习模型的训练损失值在两次独立实验中，跌落到丝毫不差的 0.1026 的概率，在数学上趋近于无穷小。这是典型的使用文本复制粘贴拼接论文，且未对编造/生成的数据进行合理去重修饰的“粗心造假”。
严重程度：🔴
复核状态：✅ 成立

发现 3：核心结论数据自相矛盾，“随机数式”编造对比提升率

位置：第 3.3 节表 3.2 与第 3.4 节本章小结（第 45 页、第 48 页）
描述：在论文的第三章中，作者对自己模型（1D-DML）相较于其他基线模型的提升幅度（F1分数），在同一章内给出了三套完全不同且互相打架的数据。
证据：
- 摘要及表 3.2 后的正文分析中称：F1 分数分别相对提升 109%、91%、11% 和 16%。
- 到了第 48 页的“3.4 本章小结”中，作者突然改口称：“1D-DML 与多层感知器分类器、支持向量机分类器、多尺度全卷积网络、一维多通道卷积神经网络相比，F1-score 值增加量达 107%、166%、254%、15%。”（注：基线模型的F1分数在0.4-0.8之间，本文模型为0.931，相对提升率绝不可能达到254%）。
- 这是典型的东拼西凑、使用 AI 大模型生成文本时未核对数据的遗留产物。
严重程度：🔴
复核状态：✅ 成立

发现 4：混淆矩阵逻辑出现“鬼畜”错误

位置：第 4.3 节混淆矩阵分析（第 68 页）
描述：作者在解释第四章多点泄漏定位的混淆矩阵时，出现了反逻辑的荒谬描述。
证据：原文写道：“最显著的误分类发生在类别 12，其 28 个样本中有 6 个被错误地归入类别 12，导致该类别的召回率相对较低。”
- 试问，类别 12 的样本被预测为类别 12，这叫“正确分类（TP）”，怎么能被称为“错误地归入”？这再次暴露出作者并没有真正去分析实验结果图，而是为了凑字数进行想当然的胡编乱造。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 5：文献引用与排版出现低级“幻觉”错误

位置：参考文献列表（第 76 页）
描述：参考文献的年份、格式存在极其荒谬的拼写错误。
证据：原报告称参考文献 [6] 中华人民共和国住房和城乡建设部. 2020 年城乡建设统计年鉴. 20200。多出的一个0不仅是排版问题，更反映出整篇论文未经任何认真的人工校对。
严重程度：🟡
复核状态：⚠️ 依据不足（注：提供的论文原文中未包含参考文献列表具体内容，无法直接核实该特定拼写错误，但由于全文存在大量极其明显的逻辑谬误与拼凑痕迹，此条作为疑似风险保留。）

耿同学辣评

深度学习就像个黑盒，但这位同学的黑盒不仅能“隔热”，还能“复刻”！两套不同网络跑出来的训练损失值能精确到小数点后四位完全一致（0.1026），牛顿看了要流泪，随机数生成器看了要直接辞职。更逗的是，同一章节里摘要里写着提升 109%，到了小结就成了 254%，这种“薛定谔的提升率”，连大模型 AI 幻觉都觉得自愧不如。更别提把“预测正确”当成“误分类”来分析的混淆矩阵了。用 Ctrl+C 和 Ctrl+V 搞科研，真把评委当成了 ChatGPT 训练机了吗？

建议后续行动

联系作者要求提供原始数据（特别是两次实验的 Tensorboard/日志记录）
在 PubPeer 上提出质疑
向期刊编辑部/重庆交通大学学位评定委员会举报
要求作者当面解释同一章节中数据涨幅自相矛盾的原因

⚠️ 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。

基于深度学习的供水管网泄漏定位研究