jse-tju-robustness-reproducibility
Use when stress-testing and packaging the reproducibility evidence for 《系统工程学报》 (Journal of Systems Engineering, Tianjin University), including para…
它会碰到什么
这一栏是扫描器报的事实,不是结论。命中多不等于有毒(安全工具、规则库、示例脚本本来就会包含危险写法),命中少也不等于干净。它和你手上的凭据、文件、网络有什么关系,需要你自己看。
技能内容
《系统工程学报》稳健性与可复现性(jse-tju-robustness-reproducibility)
触发时机
当主验证已经建立,需要判断结论是否依赖单组参数、初值、模型、指标、随机样本或软件环境时使用。
稳健性不是在正文末尾追加若干表,而是对核心主张的有效域做压力测试;可复现性则让读者能够重建
输入、执行与输出。工具接口建议见 [code/README.md](../../resources/code/README.md)。
输入诊断
收集核心主张、主验证设计、数据/实例、参数表、代码入口、随机过程、软件环境、已有敏感性结果和
数据共享限制。先建立依赖清单:
- 哪些参数来自数据、文献、校准或任意设定?
- 哪些结论可能受初始状态、网络结构或情景生成影响?
- 哪些模型选择、变量口径或指标存在合理替代?
- 哪些步骤含随机性或人工处理?
- 哪些材料不能公开,原因和可替代复核路径是什么?
若主张本身未与证据匹配,先回到 jse-tju-validation,不要用稳健性掩盖主验证缺失。
五层压力测试
| 层 | 检验对象 | 典型动作 |
|---|---|---|
| 参数 | 系统参数、算法超参数、估计参数 | 单因素、联合设计、分区扫描 |
| 状态 | 初值、网络拓扑、需求/冲击路径 | 多初值、重抽样、结构扰动 |
| 模型 | 函数形式、行为规则、误差结构 | 替代模型、嵌套/非嵌套比较 |
| 指标 | 效率、风险、公平、预测/拟合指标 | 替代定义、阈值与分组 |
| 情景 | 正常、极端、故障、分布漂移 | 压力测试、反事实、尾部情景 |
不是每层都必须出现;选择能击中主张最脆弱假设的测试。
处理步骤
1. 建立主张—脆弱点映射
对每条主张写出最可能推翻它的参数、初值、模型选择和数据处理。优先测试能改变结论方向、阈值、
排序或可行性的因素,不把计算预算耗在无关小数位。
2. 设计敏感性
参数范围要有现实、数据或归一化依据。非线性与交互明显时使用联合设计、网格、拉丁超立方或全局
敏感性;不要仅将所有参数机械地上下浮动同一比例。区分数值误差与实质变化。
3. 检验初值和极端情景
动态/仿真稿覆盖多个吸引域、网络密度、冲击强度和恢复能力;优化稿覆盖容量紧张与宽松、规模和
不确定性;预测/实证稿覆盖时间、群体、区域与分布漂移。报告失稳、不可行和性能崩塌。
4. 使用替代模型和指标
替代模型应对应合理竞争解释,而不是随意更换估计器。替代指标要检验结论是否只依赖一种口径。
若结论变化,解释差异来自测量、识别还是系统机制,不用“总体稳健”掩盖。
5. 控制随机性
为数据切分、情景生成、初始化和随机算法分别设种子。Monte Carlo 或启发式重复报告次数、分布、
均值/中位数、区间和失败率。种子不是消除随机性,而是允许重现特定运行。
6. 固化环境和入口
列操作系统、语言、依赖、求解器、硬件、线程、容差和命令入口;保存配置、实例清单和原始到分析
数据的步骤。不要提交论文全文、凭据或无许可数据;受限数据给出字段字典和获得/复核方式。
7. 写失败边界
明确在哪些范围结论反转、模型失稳、算法超时、预测失准或政策含义不再成立。失败边界是系统工程
贡献的一部分,不应从图表中删除。
复现清单
entrypoint: [command / notebook order]
inputs: [data, instances, schemas, licenses]
configuration: [system parameters, solver/model settings]
randomness: [seed locations, repetitions]
environment: [OS, language, packages, solver, hardware]
outputs: [tables/figures/result files and checksums if used]
expected diagnostics: [tolerance, range, status]
restricted material: [reason and independent verification path]
failure boundaries: [known non-convergence/infeasibility/drift]
微型示例
网络级联模型的主结论是“共享提高韧性”。应联合改变共享精度、网络集中度和恢复容量,使用多组初值
和冲击节点重复;用替代韧性指标检验排序;报告高集中、低容量区间中共享导致同步响应而反转的情形。
仅把传播率上下浮动 10% 并重复一张图,不足以支持稳健。
反模式
- 将任意参数统一上下浮动 5% 或 10%,不说明范围依据。
- 只保留支持主结论的随机种子。
- 只报平均改善,不报尾部、不可行和失败率。
- 代码依赖本机绝对路径、手工步骤或未记录的数据清洗。
- 声称“数据可按需提供”,却不说明许可与复核路径。
- 将结论反转写成数值异常。
期刊专属拒稿风险
复杂系统、网络、仿真、优化和预测结果常对结构与初值敏感;忽略这些边界会让系统级结论显得过度
概括。仓库不复制大型代码模板,也不意味着无需复现说明。官方是否要求特定附件属于动态事实,
必须查 [official-source-map.md](../../resources/official-source-map.md)。
输出格式
【核心主张—脆弱点矩阵】
【参数与范围依据】
【初值 / 结构 / 极端情景】
【替代模型与替代指标】
【随机种子、重复与统计】
【环境、入口、输入与输出】
【数据/代码可用性说明】
【反转、失稳、超时和外推边界】
【正文 / 附录 / 仓库分配】
【最大拒稿风险】想直接用这个技能?
本站把开放许可(MIT / Apache 等)的技能按仓库打包整理到网盘,点一下转存到你自己的网盘,不用一个个从 GitHub 拉。许可未声明的技能只给原始仓库链接,不打包。
它属于哪个仓库
Journal-of-Systems-Engineering-Skills/skills/jse-tju-robustness-reproducibility/SKILL.md