第一次投TR-C退稿意见分析

写在前面

本文无任何含金量，纯属自嗨

哈哈哈，大家过年好啊，首先祝各位集美们，兄弟们在新的一年 有人爱，有事做，有钱花！

给大家描述一个这样的场景，那些自己学了点三脚猫功夫的小学徒，天天在自己的地盘舞刀弄枪呜呜渣渣的感觉还挺厉害，完了以后就带着自己的看家本领决定出去闯荡江湖，惩恶扬善，实现自己一统江湖的梦想。结果还没走多远，就遇见一个默默无闻的大侠，就开始在他面前比划起来了，什么左勾拳，右踢腿，嘿嘿哈哈的开始找他比武。这大侠不堪其扰，嗖嗖嗖，随便出了几下，只见那小学徒  啊的一声，直接被撂翻在地，先撒泼打滚想讹他一道，后面眼珠子一转，发现眼前这位是个高手，又开始嬉皮笑脸的要找他拜师学艺，什么师傅长师傅短，师傅种地准高产；师傅牛师傅棒，师傅是我的榜样。走啦走啦师傅，咱们去练武去。留下那位大侠一脸黑线。

那么诸位看到题目肯定会疑惑，别人收到拒稿邮件后肯定气的要死，怎么到我这里还特无所谓还发文章大肆宣传一波呢，主要原因有三，first of all，我闲的而且脸皮比较厚；Secondly, 我已经满足了学校毕业要求的论文发表等级条件，所以这个论文就是相当于试一试水；finally, 我挺喜欢现在的研究的，还是希望能把自己这一年的研究成果放到高档次高一点的期刊，让那些专家们来给我毕业论文的修改和以后的研究方向提一提意见。

本人是第一次投稿transportation research part C ，那审稿意见当然是退稿啦，但是我觉得还是要记录一下的，因为专家们提出的建议及意见还是挺厉害的。

正文开始

本文的研究主题是预测 airport acceptance rate，属于空中交通流量管理下面的机场进场流量预测。

拒稿意见（英翻汉）

1.论文研究对象较老，文献综述分析的不好，因此，文献综述是难以捉摸的，最重要的是，本文未能确定提出的方法在AAR预测方面的好处。论文发表之前的AAR技术水平如何？现有方法的预测性能如何？提出的方法是否提高了性能？用多少，怎么用，为什么用？

2.论文就像一门关于深度学习的论文。据我所知，这种方法目前非常“热门”，但这篇论文未能证明他们方法论的新颖性。很明显，我不是在要求一个新的深度学习算法，但在本文中，在方法论/技术方面真正的新东西是什么？不幸的是，采用像深度学习这样的现代先进方法并将其应用于一个老问题，并不符合TR-C的出版要求

3.数据的设置是有问题的。有些时间段的数据并不适合于研究AAR，这些数据包括机场可能无法满负荷运行的若干时段。在这些情况下，着陆的数量并不是因为容量限制，而是因为需求量低。在定义因变量时，这是一个主要问题。例如，我让作者参考I.Simaiakis的博士论文，其中包括容量估计数据集准备的详细描述。

4..结果是有希望的，但仍然不够。总的来说，与其他机器学习方法相比，深度学习似乎最多只能提供一个轻微的改进。这并不是游戏规则的改变，而是预测性能的轻微改善。换言之，表6中的0.88和0.86是不是根本上更好的结果？或者它可能是测试数据集或固有数据可变性的产物？另外，基于注意机制的方法是否优于其他可能的方法？在文章的最后，读者会想知道这种方法会产生什么样的影响——例如，空中交通管理系统如何更好地使用这种方法？

分析

1.论文研究对象较老这个问题，额怎么说呢AAR的确在国外是有一些人研究的比较成熟了，但是在国内这个名词还是一个起步阶段，可以以后工作了再看看有没有什么新的东西能加进去。

2.审稿人说这个论文像是一个深度学习的论文，啊这个我承认，是着重描述了建模的一些分析，案例好像是为了验证这个模型而凑上去的，所以我准备把文章的结构再修改一下，从问题到方法这样写会好一点，现在的思路是有点从方法到问题了。

3.关于数据时段这个问题，我以前是真没想到，的确啊，AAR是一个评估关于容量和流量之间的指标，那如果夜晚流量远小于容量的时候，是不是就不需要去预测AAR了，这个是有道理的，没进行实际分析啊。我再想想这个要怎么修改

4.关于预测结果0.88这个问题是最无奈的，他的提升程度的确不算很高，那怎么办呢，我总不能把它四舍五入当做0.90写上去吧，那也太不道德了。

5.基于注意力的方法是否优于其他方法， 这个问题真的是因果轮回，集美们，我上上周才审了一个稿子，就给那个作者提了这个问题，结果呢，到我这里也出现了这个问题，大无语。

最后

我再想一想修改方式，总归要把这个文章投出去的，那做科研呐，最重要的就是开心啊。希望我们以后都能对写论文看审稿意见都抱着这样淡定的态度，开心一点。

ps.本来我还想说在这个文章的acknowledge里面把女明星迷人的郭老师也感谢一下，可惜可惜文章被直接拒稿了，耶斯莫拉！！！。