🔍 耿同学打假报告

论文信息

• 标题：信息物理社会数据融合处理的电力物联网运行风险预测
• 作者：李国强，王冲，高秀芝，王华，徐绮，李泠聪
• 期刊：电力系统及其自动化学报
• DOI：10.19635/j.cnki.csu-epsa.001207
• 发表年份：2023 (网络首发：2023-02-28)
• 论文来源：信息物理社会数据融合处理的电力物联网运行风险预测-李国强.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：贝叶斯优化过程数据涉嫌伪造（图表严重违背算法逻辑）

• 位置：Figure 9 (第12页) / 4.5节 贝叶斯优化 CatBoost的参数寻优
• 描述：图9展示了贝叶斯优化算法的寻参过程，根据视觉分析摘要及算法常理，子图、和呈现极度规律的锯齿状/三角波周期性震荡模式。
• 证据：真实的贝叶斯优化基于高斯过程，在参数空间中进行探索与开发，其采样轨迹具有随机性，绝对不可能呈现出完美的周期性三角波震荡。这种极度规律的曲线违背了黑盒优化算法的基本底层逻辑，涉嫌直接使用人为构造的周期函数绘图或伪造寻优数据以填充论文版面。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：图表文本描述张冠李戴（暴露复制粘贴/AI生成痕迹）

• 位置：Table 7 / 4.4节 最优特征子集选择（第10页）
• 描述：表7明明是一个表格（68列特征对分类的贡献值），但在正文对表7的描述中，作者却写道：“其中，横坐标表示特征对分类的贡献值，纵坐标为筛选出的特征，按各个特征对分类贡献值的大小从上往下依次排列。”
• 证据：表格哪来的横坐标和纵坐标？这是典型的将针对“柱状图/条形图”的描述文本直接“复制粘贴”到了表格下方，说明作者在撰写论文或拼凑实验结果时极不用心，存在严重的模板套用或文字造假嫌疑。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：核心参数默认值自相矛盾（实验存在未跑先写嫌疑）

• 位置：Table 9 / 4.5节 贝叶斯优化 CatBoost的参数寻优
• 描述：表9列出了 iterations（最大树数）的默认值为 1000。但在紧接着的下文正文描述中，作者又写道：“iterations表示模型建立树的最大数量，它的值会对模型的计算成本产生影响，默认值为 500。”
• 证据：同一个参数，在同一个小节里，表格里写1000，正文里写500。这种低级错误通常发生在直接照搬其他论文的参数说明，却没有统一自己编造或修改的数据。结合前文图9的造假，可以推测这部分实验结果大概率是“先编故事再凑数据”。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 4：计算时间数据过于“教科书式完美”（违背真实计算环境）

• 位置：Table 6 / 4.4节 最优特征子集选择
• 描述：表6展示了不同特征数量下的训练时间。随着特征数的增加，训练时间呈现出异常完美的线性递增关系，且完全没有任何系统波动。
• 证据：真实环境下运行Python机器学习代码，训练时间会受CPU占用、内存垃圾回收、后台进程等多种因素影响，100次仿真取均值后的时间数据不可能像 104s -> 167s -> 181s -> 200s -> 266s 这样平滑且等比例。这种数据极大概率是作者直接在Excel里用公式拖拽出来的。
• 严重程度：🟠
• 复核状态：⚠️ 依据不足

⚠️ 发现 5：数据平衡处理结果不符合仿真常理

• 位置：Figure 6 / 4.3节 ADASYN 过采样处理
• 描述：视觉分析摘要指出，图过采样后的柱状图数值（12391, 12403, 12401等）差异极小。
• 证据：ADASYN算法生成的是与原样本高度相仿的“伪样本”，其生成数量取决于少数类样本的概率分布。对于带有时间序列属性的电力物联网仿真数据，生成的样本量精确到个位数且方差极小，存在人为强行拉平数据以展示“完美算法效果”的嫌疑。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

这篇论文可以说是“形式主义造假”的典范。贝叶斯优化曲线画得像心电图一样规律，我寻思着高斯过程什么时候变成正弦波发生器了？表格里连个横坐标纵坐标都能写出来，参数默认值表格和正文各编各的（1000和500打架）。虽然部分图表的“完美数据”因为缺乏更原始的底层依据咱们暂且挂起，但光凭上面这三组铁证，就已经足够证明这篇论文的实验水分大到能养鱼了。建议作者好好反思一下：编故事的时候，能不能走点心？

建议后续行动

• 联系作者要求提供贝叶斯优化过程的原始运行日志与代码
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报，要求核查实验数据的真实性
• 建议作者所在机构（东北电力大学及国网内蒙古东部电力有限公司）学术委员会介入调查

⚠️ 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。