🔍 耿同学打假报告

论文信息

标题：长江中下游地区汛期降水的次季节预测评估及机器学习改进
作者：何郭藤（从文件名提取）
期刊：[未明确提供，推断为学位论文（硕士或博士）]
DOI：[无]
发表年份：基于参考文献（含2024、2025及2026年文献）及文本内容推断，撰写于2025-2026年
论文来源：长江中下游地区汛期降水的次季节预测评估及机器学习改进_何郭藤.pdf

综合评定：✅ 清白

详细发现

发现 1：数据内部高度自洽，数学逻辑严密

位置：表3-1 / 表3-2（Page 17 / 19）
描述：对论文中极端降水年份的特征数据进行了交叉验算，发现“累计距平”与“平均距平”之间存在完美的数学自洽。
证据：文本表明汛期为5-9月（共153天），梅雨期为6-7月（共61天）。以2020年汛期为例，累计距平324.69 mm ÷ 153天 = 2.122 mm/d，与论文给出的平均距平2.12完全吻合；以2020年梅雨期为例，累计距平286.95 mm ÷ 61天 = 4.704 mm/d，与论文给出的平均距平4.70吻合。其他年份的数据（如2016、2015年）也同样能够除尽。这种严丝合缝的数学关系证明数据是由真实序列计算得出，而非随机伪造。
严重程度：🟢（证明清白）
复核状态：✅ 成立

发现 2：深度学习模型结果符合客观规律，未见“过于完美”的造假痕迹

位置：表4-1 / 表5-1（Page 30 / 51）
描述：论文报告的CNN和U-Net模型在训练集、验证集和测试集上的表现符合真实深度学习训练的常态。
证据：CNN模型训练集ACC为0.89，测试集降至0.81；U-Net模型训练集ACC高达0.97，但在测试集上降至0.91，且LOSS从0.24升至0.31。论文没有掩饰模型在泛化时出现的性能下降和轻微过拟合现象。如果是随机生成或恶意编造的数据，通常会呈现出各项指标盲目趋近于完美、毫无波动的特征。此外，消融实验（表4-2至4-5）中各项指标的提升率末位数字（0-9）分布均匀自然，未见人工取整的痕迹。
严重程度：🟢（证明清白）
复核状态：✅ 成立

发现 3：时间线与引用文献完全自洽

位置：第2章资料和方法 / 参考文献列表
描述：以当前日期（2026年7月）为基准，论文的数据使用期限和引用的最新文献时间线完全合理。
证据：论文数据使用至2022年，符合撰写周期。参考文献中包含 Simsek et al. (2025)、Shi et al. (2025)、Zhang et al. (2025)，甚至包含 Mei et al. (2026) 发表在《Atmospheric Research》上的文章。这在当前时间节点下完全符合学术研究的传播周期。同时，对 ECMWF S2S 模式“11个集合预报成员”的描述符合实际情况，未见编造设备或不存在的机构。
严重程度：🟢（证明清白）
复核状态：✅ 成立

发现 4：统计方法描述严谨，无明显 p-hacking 痕迹

位置：4.3.2 及 5.3.2 Kruskal-Wallis 检验及分析（Page 34 / 53）
描述：显著性检验结果分布自然。
证据：论文报告了 p=0.382、p=0.059、p=0.395、p=0.055 等具体的 p 值。这些 p 值不仅未表现出集中在 0.04-0.05 的 “p-hacking” 现象，且客观承认了在 p<0.01 阈值下不显著的客观事实，展现了良好的学术诚实度。
严重程度：🟢（证明清白）
复核状态：✅ 成立

⚠️ 发现 5：图片像素级分析信息不足

位置：第3章、第4章、第5章图表
描述：由于用户提供的“论文图片视觉分析摘要”仅包含了封面及第1章的两张概念性引用图（图1-1、图1-2），无法对后续的核心数据图表（如图3-1的EOF空间分布、图4-11的CNN热力图等）进行视觉相似度、拼接痕迹或图片复用的检测。
证据：依据现有视觉分析摘要，未发现篡改迹象，但信息有限。
严重程度：⚪（无法判断）
复核状态：⚠️ 依据不足

耿同学辣评

这篇气象AI预测论文的底层逻辑简直是“水泥封心”级别的扎实！汛期153天、梅雨期61天的平均降水除法能精确到小数点后两位，连U-Net训练集和测试集之间那点真实存在的轻微过拟合差距都毫不掩饰。造假者往往喜欢把数据吹得天花乱坠、完美无缺，但这篇论文却敢于展示模型在第三四周“无力回天”的真实窘境。从EOF分解到深度学习，时间线和数学推导毫无破绽，这不仅是做学术，这简直是做人的诚意！

建议后续行动

无需联系作者要求提供原始数据
无需在 PubPeer 上提出质疑
无需向期刊编辑部举报
（可选）如有更高清的后续实验图片，可补充进行图像视觉冗余检测

⚠️ 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。

长江中下游地区汛期降水的次季节预测评估及机器学习改进