随着大数据时代的来临，地震学领域在过往十年中发生了巨大的变化。不可否认，以人工智能为代表的地震数据自动化处理技术，在处理海量地震数据方面，发挥了巨大的作用，尤其是在地震信号的实时检测和定位中，解放了大量的人力劳动。另一方面，我们不能忽视，人工智能是建立在大量的人工经验基础之上。人工经验对地震数据的处理具有不可替代的引领作用，基于人工经验获取的地震信号既是训练人工智能算法的重要基础，也是检验人工智能算法准确性的重要标尺。

地震数据的处理工作，既需要繁琐的人力劳动，又需要丰富的人工经验。事实上，目前已有的人工经验尚不能完全掌握地震数据处理的所有细节特征，地震学家仍需不断积累人工经验。另外，人工智能也不大可能准确解读所有的人工经验并完整转换为人工智能算法。经过转换传递后，人工经验在人工智能中的引领作用将会大打折扣。因此，如何将人工经验完整地复现在地震数据自动处理技术体系中，显得尤为重要。

地球所张风雪研究员团队使用TCL/TK编程语言的图形显示功能，将繁琐的震相走时测量过程组织为以图形驱动为主的若干流程。各个流程都遵循如下设计理念：计算机处理大量且繁琐的重复性任务，研究者处理与数据质量控制相关的关键性任务。以图形界面为基础的震相走时测量流程被设计成可视化的人机交互数据处理软件包（TIMCPOT）。该软件包充分利用图形界面的便利性，在地震波形显示、信号识别、到时数据质量控制等方面增加了许多实用工具。

图1 TIMCPOT主界面及其功能?？?/span>

TIMCPOT兼顾近震走时数据的处理效率和质量控制。在震相走时拾取过程中，人机交互既可充分利用计算机自动化减少人力劳动提高工作效率，又可随时允许人工介入各个处理流程优化数据结果，从而将对数据处理最为宝贵的人工经验保留在繁琐的测量任务之中。TIMCPOT源自工作实践，由张风雪研究团队自主设计和研发，可依据工作经验和实际需求，添加各种功能模块，不断改善近震走时的处理效率和数据质量。TIMCPOT为开源软件包，代码共享在https://gitlab.com/zhangfx/timcpot网页。

该项软件研发工作于2023年发表在《Seismological Research Letters》期刊（Fengxue Zhang, Liya Hu, Yu Li; TIMCPOT: Tcl/Tk Interface for Measuring Crustal Phase‐Onset Time. Seismological Research Letters 2023, 94: 2040-2049），受自然资源部深地科学与探测技术实验室开放课题和国家自然科学基金项目共同资助。

【作者简介】

张风雪，男，1984年生，研究员，主要从事地球深部构造及动力学方面的研究.