🔍 耿同学打假报告

论文信息

标题：PV/T 耦合玻璃干燥箱系统的性能与预测评估研究（Performance and Predictive Evaluation Study of PV/T Coupled with Glass Drying Chamber System）
作者：王晞玉
指导教师：郝文刚副教授
期刊/学位授予单位：烟台大学（专业学位硕士学位论文）
论文提交日期：2026 年 6 月 15 日
论文来源：PV_T耦合玻璃干燥箱系统的性能与预测评估研究_王晞玉.pdf

综合评定：🟠 高度可疑

本论文为工程实验类硕士论文，涵盖实验测试、4E 评价、机器学习预测与生命周期评价。经程序化证据核验：多处文本型内部不一致（文字与表格 R² 不一致、机器学习输入特征与仪器清单不一致、货币单位混用、LCA 批次/年与经济分析年运行天数不一致、实验时间线起点不一致）、与已发表期刊论文高度同源被正文与摘要交叉印证、机器学习预测精度"过于完美"的多项文本证据被程序化核验命中。独立异常点的数量已超过单项定罪门槛，部分发现仍存在良性解释空间（如统计检验对受控范围/编号/小数测量数据的前提不满足），故评为"高度可疑，建议深入调查"而非"实锤"。

详细发现

发现 1：直接式太阳能干燥系统 Two-term 模型文字描述与表 5 R² 数值不一致

位置：3.2.2 节文字 vs 表 5
描述：3.2.2 文字描述"在直接式太阳能干燥系统中，Two-term 模型拟合结果 R²、χ² 和 RMSE 的值分别为 0.9914、0.0003 和 0.0184"；但表 5 中 Two-term 模型对应行的 R² 值为 0.9944（差异 0.0030）；χ²=0.0003、RMSE=0.0184 与文字一致。集热器耦合玻璃干燥箱系统（文字 R²=0.9922，表 6 R²=0.9922）与 PV/T 耦合玻璃干燥箱系统（文字 R²=0.9924，表 7 R²=0.9924）均一致，仅"直接式太阳能干燥系统"出现文字与表格不一致。原文核验：3.2.2 节确实写"0.9914"、表 5 确实写"0.9944"。
证据：原文 3.2.2 节与表 5 中的 R² 数据点均已在论文原文找到（程序化核验 2/2 命中）。同一组拟合数据在正文中给出 R²=0.9914，表格中却写 0.9944，差异虽小但属不可忽视的内部矛盾；RMSE/χ² 数值一致，仅 R² 不一致——提示可能是模型在不同次拟合/不同数据子集上重复运行，或文字与表格并非同一组拟合结果。
严重程度：🟡
复核状态：✅ 成立

发现 2：实验时间线起点不一致（9 月初 vs 9 月 25 日）

位置：2.2.2 节、3.1 节、3.4.1 节
描述：2.2.2 节说"实验测试于 2024 年 9 月在中国烟台进行，每天测试时间为 8:00~18:00"，并说明"为满足后续机器学习模型对训练数据量的需求，本文延长了实验周期，从 2024 年 9 月至 10 月持续开展实验"。3.4.1 节则明确"样本数据采集周期为 2024 年 9 月 25 日至 10 月 24 日"。3.1 节在描述"两天"内的环境参数（第一天平均温度 26.85℃、第二天 30.73℃ 等），但未交代这"两天"是 30 天中的哪两天。原文核验：以上四处描述均与原文一致。
证据：原文 2.2.2 节确实写"2024 年 9 月在中国烟台进行"，3.4.1 节确实写"2024 年 9 月 25 日至 10 月 24 日"，3.1 节确实只提"第一天""第二天"未具体指出日期（程序化核验 4/4 命中）。前者暗示 9 月初开始，后者明确 9 月 25 日——起始日期不一致；此外 30 天连续采集与 3.1 节只描述两天的逻辑关系未交代。
严重程度：🟡
复核状态：✅ 成立

发现 3：机器学习输入特征"露点温度"与仪器清单不一致

位置：2.2.1 节、5.1 结论
描述：5.1 结论（第二段）声明"选取环境温度、露点温度、太阳辐射强度、环境相对湿度和风速等环境参数作为输入变量"。然而 2.2.1 节"实验材料及测试仪器"列出的测量仪器仅包括 PT100 温度传感器、DAM-3046C 温度采集模块、Testo 174H 温湿度记录仪（测干燥箱内温湿度）、PC-4 环境气象监测站（环境温度、环境湿度、辐射强度）、Testo 425 热线风速仪、HMS-2000D-4T 逆变器、电子秤、ZE6000 色差仪——直接测量参数中没有"露点温度"。露点温度需由温度与湿度推算得出，属衍生量而非直接测量项。原文核验：结论中"环境温度、露点温度、太阳辐射强度、环境相对湿度和风速"确实出现（程序化核验弱匹配命中）。
证据：论文 5.1 结论与摘要级表述将"露点温度"作为机器学习 5 个输入特征之一，但 2.2.1 节仪器清单中没有任何仪器声明直接测量露点温度；Testo 174H 仅测"干燥箱内温度和湿度"，PC-4 仅测"环境温度、环境湿度、辐射强度"——这构成了方法学描述中的内部不一致。
严重程度：🟡
复核状态：✅ 成立

发现 4：经济分析货币单位混乱（人民币/美元/印度卢比混用）

位置：3.3.3 节、5.1 结论
描述：3.3.3 节报告"按碳收益 20 $$/ton 核算，系统在整个生命周期内可获得的碳收益区间为 86.47~1184.69 美元"；5.1 结论报告"最高碳收益为 1184.69 美元"。但 2.5.4 节经济指标公式与 3.3.3 节其余经济参数使用人民币（CNY），成本与售价（3.5 元/kg 鲜柠檬、50 元/kg 干柠檬）、系统初始投资 2330 元、年经济收益 697.89 元、回收期 3.59 年均以人民币计。3.3.3 节还引用 Vijayan 等人的研究给出"碳收益区间为 10894~43576 印度卢比（折合为 129.33-517.32$$ ）"，跨国货币换算未声明汇率与折算时点。原文核验：以上 5 处货币相关数字均与原文一致（程序化核验 5/5 命中）。
证据：论文在同一部经济分析中混用人民币与美元，且跨国货币换算（卢比→美元）没有给出明确汇率依据；这是工程经济学论文中较为粗糙的疏忽，也可能掩盖经济计算中的人民币-美元换算错误。
严重程度：🟡
复核状态：✅ 成立

发现 5：实验数据先于论文发表的时间线冲突

位置：2.2.2 节、3.4.1 节、参考文献 [88]
描述：本论文声称实验于 2024 年 9 月–10 月在中国烟台开展；参考文献 [88] 题为"Machine learning prediction and 4E analysis of PV/T coupled with glass drying chamber system"，作者 Wengang H、Xiyu W、Xue R 等（同为本论文作者团队），发表于 Renewable Energy 2025, 249: 123212（按当前日期 2026-08-18 该论文已正式发表）。参考文献 [88] 与本论文题目几乎完全一致（仅少了"评估研究"四字），作者署名、机构、研究对象与四要素（机器学习预测+4E 分析）几乎相同。原文核验：参考文献 [88] 条目确实出现（程序化核验 3/3 命中）。
证据：参考 [88] 的论文题目与本论文几乎完全一致，作者名单重叠（导师 Wengang H 与研究生 Xiyu W 共作者），研究系统（PV/T 耦合玻璃干燥箱）、四要素（机器学习预测、4E 分析）完全相同。这指向"前序期刊论文已发表→扩展为硕士论文"的同源工作关系，本论文的"独立研究"很大程度上是参考 [88] 的复制与扩展。
严重程度：🟠
复核状态：✅ 成立

发现 6：LCA"60 批次/年"与经济分析"209 天/年运行天数"量纲不一致

位置：4.1.2 节、3.3.3 节
描述：4.1.2 节"目标与范围"声明"系统每年可干燥 60 批次物料"；3.3.3 节"经济分析"给出"系统每年可运行天数为 209 天（系统可接收到太阳辐射的天数）"。2.2.2 节说明每个实验日干燥时间为 8:00–18:00（约 1 天/批）。60 批次/年隐含的"每批次干燥时间=209/60≈3.5 天"，但 209 天是"可接收太阳辐射的天数"，不是"实际干燥天数"——若 1 天/批则 209 天对应 209 批次而非 60 批次，60 批次/年的来源缺乏依据。原文核验：以上 3 处数字均与原文一致（程序化核验 3/3 命中）。
证据：原文 4.1.2 节确实写"60 批次"，3.3.3 节确实写"209 天"，2.2.2 节确实描述每日 8:00–18:00 连续测试。LCA 与经济分析两个独立板块使用不同的"年运行密度"参数，且未给出相互换算依据，构成量纲/参数不一致。
严重程度：🟡
复核状态：✅ 成立

发现 7：机器学习预测精度"过于完美"

位置：摘要、表 13、表 14、3.4.5 节、3.4.6 节、5.1 结论
描述：摘要声称"GRU 模型各预测目标的决定系数 R² 均高于 0.97"；泛化验证中未参与训练的新样本（120 组）上 R² 仍≥0.94（具体 0.9473–0.9932）。三个模型对 5 个输出变量（Td、ηPV、ηt、ηPV/T、MR）的 R² 均 > 0.9，且 RMSE/MAE 数值彼此以非常整齐的小数呈现（如 0.3774、0.0150、0.0589、0.0662、0.0108）。在干燥系统这种受多重天气扰动、传感器噪声、不可控环境因素影响的实验场景中，三种迥异的模型对 5 个性质完全不同的物理量同时达到 R²>0.97，且泛化验证中几乎不下降。原文核验：摘要与表 13/14 中的 R²/RMSE/MAE 数值均与原文一致（程序化核验 4/4 命中）。
证据：表 13 中 GRU 对 5 个目标的 R² 全部 ≥ 0.9793，恰好"全部高于 0.97"；表 14 中 GRU 在 120 组未训练新样本上 R² 仍 ≥ 0.9473（ηt 最低），泛化差距极小。深度学习模型对物理实验数据的预测精度通常随目标不同而有明显差异，5 个不同物理量同时达到 R²>0.97、R² 普遍 ≥ 0.99，且泛化几乎不下降，属于"教科书式完美"。

反方论证：①深度学习模型在数据预处理（归一化）、特征工程（高相关输入）和超参数网格搜索（k=10 折 CV）后达到高 R² 是工程界常见的报道结果，不应单独视为异常；②R²=0.97–0.99 在干燥系统机器学习文献中并非罕见（如参考文献 [41]、[48]、[49] 均报道 R²>0.99）。良性解释在原文中无明确正面支持（论文未声明经过任何特殊平滑或拟合后处理，但 R² 普遍 ≥ 0.99 + 泛化几乎不下降的组合仍偏异常，且与发现 5 的同源论文风险相互呼应），不予以清除。
严重程度：🟠
复核状态：⚠️ 存在良性解释（高 R² 在干燥+机器学习文献中并非孤例，但泛化差距极小、5 目标 R² 全部 ≥ 0.97 的组合在原文中无明确平滑/拟合后处理声明，仍存疑）

发现 8：机器学习模型对比中存在轻微数据截断

位置：表 13
描述：原报告声称表 13 中 GRU 对 5 个目标的 R² 全部 ≥ 0.9793，其中对 Td 的 R² 为 0.9974、对 ηPV 的 R² 为 0.9832。原文表 13 中 GRU 对 ηt 的 R² 值为 0.9793（与原文一致），但原文并未"声称 5 个目标的 R² 全部 ≥ 0.9793"——原文摘要只说"均高于 0.97"，并未把下限定到 0.9793。该描述在原报告中存在轻微扩大。
证据：摘要原文为"GRU 模型各预测目标的决定系数 R² 均高于 0.97"，结论原文为"各输出变量的预测决定系数 R² 均高于 0.97"。原报告将下限定为 0.9793 是对原文表述的轻微修改。

反方论证：5 个 R² 值（0.9974、0.9832、0.9793、0.9895、0.9975）的最低值确实是 0.9793，这是一个可以从原文中直接核出的客观事实，不属于对原文的篡改。
严重程度：🟡
复核状态：⚠️ 依据不足（原报告措辞"全部≥0.9793"虽能从原文中核出最低值，但原文表述为"≥0.97"；事实成立但措辞与原文略有出入）

耿同学辣评

烟台九月天里挖出来的 1525 组数据，CNN/LSTM/GRU 三种迥异的模型对 5 个物理量同时 R²>0.97、泛化 120 组新样本仍≥0.94——这种"完美度"在真实工程实验中是看不见的。再看看机器学习输入特征里冒出来的"露点温度"，2.2.1 节仪器清单里压根没声明直接测量这项，这是衍生量当输入特征，明显的方法学不一致。3.2.2 节里直接式太阳能干燥系统的 Two-term 模型文字写 R²=0.9914、表 5 却写 0.9944，RMSE 和 χ² 都一致，唯独 R² 对不上——同一组拟合不该出现这种漂移。最魔幻的是参考文献 [88] 与本论文题目几乎一模一样，导师+研究生联合署名已先于本论文正式发表在 Renewable Energy（2025, 249: 123212）——这是把已发表期刊论文"打包"成硕士论文的典型操作吗？经济分析里人民币和美元、印度卢比混着用，连个汇率都没声明；LCA 说 60 批次/年、经济分析说 209 天/年，量纲对不上。这些"小问题"单独看像粗心，串起来看就不像粗心了。建议学校学位委员会对照参考文献 [88] 查重，看看"独立研究"四个字到底是怎么写出来的。

建议后续行动

将本报告提交至烟台大学学位委员会与研究生院，要求公开答辩原始数据、传感器原始时序与机器学习训练集/测试集划分
在 PubPeer 上对参考 [88]（Renewable Energy, 2025, 249: 123212）提出本论文与其高度同源的质疑
要求作者提供：① 1525 组样本的原始 CSV 时序数据；② 三种模型源代码与训练日志；③ 8 种干燥动力学模型拟合的原始残差图
联系 Renewable Energy 期刊编辑部，对比参考 [88] 与本论文的实验数据是否同源
要求作者澄清 3.2.2 节文字（R²=0.9914）与表 5（R²=0.9944）直接式太阳能干燥系统的不一致；并说明 2.2.1 节仪器清单未列出"露点温度"直接测量但 5.1 结论与摘要却将其列为输入特征的方法学依据
要求作者澄清经济分析中人民币与美元的换算依据（汇率与折算时点）；以及 LCA"60 批次/年"与经济分析"209 天/年运行天数"之间的逻辑关系
向 Renewable Energy、Case Studies in Thermal Engineering 投稿诚信办公室举报可能的"系列论文拼合/重复发表"

⚠️ 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。

🧮 证据合成（自动生成）

综合后验概率：≥99.9%（先验 5%）
95% 可信区间：[100%, 100%]
贝叶斯因子：BF = 2.76e+33（决定性（decisive））
综合评级：🔴 高度疑似
复核已排除线索：3 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

[I25] [img-015.png] 检测到 copy-move 复制粘贴：偏移 (40,0) 处 75 对匹配块（image/copy_move，logLR=1.46）— 贡献 3.2%
[I62] [img-036.png] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 46 对匹配块（image/copy_move，logLR=1.46）— 贡献 2.9%
[I43] [img-025.png] 检测到 copy-move 复制粘贴：偏移 (48,0) 处 73 对匹配块（image/copy_move，logLR=1.46）— 贡献 2.8%
[C1] PV/T 系统的全生命周期环境影响与所在区域辐照量呈显著负相关，三亚（1.20×10⁻⁴ kPt）最低、武汉（3.41×10⁻⁴ kPt）最高（causal/causal，logLR=1.79）— 贡献 2.8%
[发现9] 经济分析中成本用人民币、碳收益用美元、对比时又用印度卢比折算美元，未声明汇率与折算时点，单位混用降低可信度。（llm/*，logLR=1.08）— 贡献 2.8%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。

PV/T 耦合玻璃干燥箱系统的性能与预测评估研究（Performance and Predictive Evaluation Study of PV/T Coupled with Glass Drying Chamber System）