🔍 耿同学打假报告

论文信息

标题：汽车扬声器面罩注塑成型表面质量的影响因素及多目标优化
作者：卢作栋
期刊：浙江大学硕士学位论文
DOI：无
发表年份：2026

综合评定：🟠 高度可疑

详细发现

发现 1：核心数据前后矛盾（体积收缩率数值不一致）

位置：2.1 数值仿真模拟实验及 2.3 本章小结
描述：在 2.1 节中，作者指出预实验的模拟仿真结果显示“平均体积收缩率最大值为 8.451%”。然而，在 2.3 本章小结中总结预实验问题时，却将其写为“平均体积收缩率（0.8451%）偏大”。同一个预实验结果，在正文和小结中出现了 10 倍的数据差异。
证据：2.1 节原文“平均体积收缩率最大值为 8.451%”，2.3 节原文“平均体积收缩率（0.8451%）偏大”。结合表 2-4 正交实验数据，该指标范围在 3.5%~7.5% 之间，可以确定 8.451% 为合理值，小结中的 0.8451% 属于严重的数据编造或复制粘贴错误。
严重程度：中
复核状态：✅ 成立

发现 2：数理逻辑错误（计算时间倍数夸大）

位置：3.3.3 克里金方法与 SSA-BP 的对比及表 3-7
描述：原文在对比两种模型的计算效率时，声称 SSA-BP 模型“计算时间约是后者的 3 倍（218 秒）”。但根据表 3-7 提供的明确数据，克里金模型训练时间为 28 秒，而 SSA-BP 为 218 秒，实际倍数关系约为 7.78 倍，根本不是文中所说的 3 倍。
证据：表 3-7 明确列出：克里金模型“训练时间 28 秒”，SSA-BP 神经网络“训练时间 218 秒”。3.3.3 节正文写道：“相应的代价是计算时间约是后者的 3 倍（218 秒）”。
严重程度：中
复核状态：✅ 成立

发现 3：数据图文不一致（克里金模型测试集误差矛盾）

位置：3.3.2 克里金模型实验验证
描述：正文在描述克里金模型在测试集上的预测性能时，写道：“体积收缩率 RMSE=0.1247%，MAPE=1.782%”。然而，核对同节中的表 3-6，平均体积收缩率的 RMSE 数据实际上为 0.0012。文字描述与图表数据存在极大出入，说明作者在编造或修改数据时未能统一文本和表格。
证据：3.3.2 节正文描述：“体积收缩率 RMSE=0.1247%”；表 3-6 中显示平均体积收缩率的 RMSE 为“0.0012”。
严重程度：高
复核状态：✅ 成立

发现 4：综合指标计算造假（熵权法权重计算不成立）

位置：4.1.2 熵权法具体计算过程及表 4-1
描述：原文声称利用熵权法计算所得的客观权重为：缩痕 0.278，平均体积收缩率 0.353，翘曲 0.369。但利用该权重对表 4-1 提供的各组归一化数据进行复核计算（加权求和），却发现结果与表中所列的“综合指标值”完全对不上。
证据：以表 4-1 第 1 组数据为例：缩痕 0.533，体积收缩率 0.646，翘曲 0.719。按文中所给权重计算：(0.533×0.278) + (0.646×0.353) + (0.719×0.369) = 0.6413。但表中填写的综合指标值却为 0.621，计算逻辑无法自洽。
严重程度：高
复核状态：✅ 成立

发现 5：低级常识错误（熔体温度单位错乱）

位置：4.1.2 熵权法具体计算过程
描述：原文在描述筛选出的最优工艺参数组合时，写道：“最优参数组合（第 11 组数据）为注射时间 1.2s，熔体温度 235s、模具温度 75℃...”。此处将熔体温度的单位写成了时间单位“秒”，而非“℃”。
证据：4.1.2 节原文描述：“最优参数组合（第 11 组数据）为注射时间 1.2s，熔体温度 235s、模具温度 75℃、保压压力 110%、保压时间 7s”。
严重程度：低
复核状态：✅ 成立

耿同学辣评

这篇打着“多目标优化”和“智能算法”高大上旗目的工程硕士论文，内里的数据管理简直粗制滥造到了极点！作者连最基本的数理逻辑和前后数据对照都不做：第二章正文写体积收缩率是 8.451%，到了小结硬生生缩水十倍变成 0.8451%；第三章吹嘘克里金模型多优秀，结果图文数据直接对掐打架（正文 0.1247%，表格 0.0012），连 218 和 28 之间的 7 倍关系都能大笔一挥写成 3 倍。最离谱的是第四章的核心评价体系，连简单的加权乘法求和都算不对，或者干脆为了凑结论瞎填一气。更别提把温度单位写成“秒（s）”这种令人窒息的低级失误。连文字和表格都漏洞百出、胡乱堆砌，你能指望它的 Moldflow 仿真和代码模型是认真跑出来的吗？

建议后续行动

鉴于本文存在多处核心实验数据的硬性矛盾、计算常识错误以及图表/正文严重不符，建议直接向作者所在学校（浙江大学）的学位评定委员会及学术道德委员会发起学术举报。
强烈要求作者公开所有的 Moldflow 仿真原始日志、BP/SSA-BP 神经网络以及 Kriging 模型的原始运行数据（包含真实输出的 RMSE、误差和时间消耗记录），交由独立专家组进行重新审查核算。
在彻底澄清上述数据矛盾和造假嫌疑之前，应当驳回或暂缓其学位论文答辩，要求其对全部数据进行追溯核查和彻底整改。

⚠️ 免责声明

本报告由AI基于提供的文本内容自动生成，仅用于学术讨论与参考，不代表对论文最终的定性结论。请结合官方调查结果谨慎对待。

汽车扬声器面罩注塑成型表面质量的影响因素及多目标优化