김준하
김준하 박사는 2004년부터 광주과학기술원 환경공학부 교수로 재직 중이다. 고려대학교 화학공학과를 졸업하고 미국 캘리포니아 대학교(어바인) 생명화학공학과에서 환경시스템공학 전공으로 박사학위를 받았다.
15년 넘게 환경 분야 복잡계 해석을 연구해 왔고, 환경과학 및 환경공학에 관련된 세계 유수의 국제 저널에 100여 편 이상의 논문을 발표하였다. 환경데이터 분석 및 데이터마이닝, 통계 및 결정계 모델링 분야의 세계적인 권위자로서 환경시스템에 본질적으로 존재하는 복잡계를 논리적으로 해석하는 방법으로 환경문제에 대한 최적의 솔루션을 제공하는 연구를 진행 중이다.
joonkim@gist.ac.kr

이승원
광주과학기술원에서‘유역관리와 비점오염원 관리’로 박사학위를 받았으며, 현재 한국건설기술연구원 환경플랜트연구소 연구원으로 일하고 있다. 광범위한 환경 모니터링 데이터를 분석하고 이를 통해 환경문제의 해결방안을 제시하는 연구를 진행하고 있다.

차성민
광주과학기술원에서‘유역관리와 비점오염원 관리’로 박사학위를 받았으며, 현재 전라남도환경산업진흥원 선임연구원으로 일하고 있다. 비점오염원 저감시설의 모니터링 데이터를 통해 시설의 성능을 평가하고 최적 성능을 도출하는 연구를 진행하고 있다.

국내 최초의 환경 데이터 분석서!

이 책은 환경공학, 지구과학, 환경학, 대기학, 해양학 등 지구 환경의 현장에서 모니터링 데이터를 수집・분석・해석하는 학생과 연구원들이 통계의 기초적인 배경지식과 함께 SPSS와 MATLAB을 활용하여 데이터를 분석하고 그 결과를 해석하는 일련의 과정을 스스로 습득할 수 있도록 구성하였다.

환경 관련 데이터뿐만 아니라 데이터를 많이 생성하는 어떠한 실험이나 현장 데이터 연구 분야에도 적용할 수 있도록 통계의 기초, 평균 비교분석, 상관성 활용 분석, 시공간 분석, 다차원 해석, 불확정성 정량화, 기계학습 등의 내용을 담아 알기 쉽게 설명하였다.

▪주요 내용

1부에서는 환경 데이터의 속성과 통계의 기본 용어, 그리고 실습에 활용한 소프트웨어를 소개한다.
2부에서는 수집한 환경변수 데이터를 정규분포를 따른다는 가정 아래 여러 집단으로 분류한 경우 각 집단 간 평균을 비교 분석하고 해석하는 방법과, 환경변수가 복잡해지거나 또는 정규분포를 따르지 않을 경우 집단 간의 평균 또는 중간값을 비교 분석하는 방법을 다룬다.
3부에서는 두 개의 환경변수 데이터가 상관성을 가지고 있을 경우 해석할 수 있는 방법론을 여러 가지 관점에서 설명한다. 상관분석과 회귀분석, 그리고 곡선일치분석의 차이점에 대해 기술한다.
4부에서는 지구환경 현장에서 모니터링되고 있는 데이터의 시공간적 속성을 가시화하고 해석할 수 있는 방법을 설명한다.
5부에서는 1차원적인 데이터 해석(one-dimensional interpretation)이 불가능할 경우, 주성분분석 및 군집분석을 통해 복잡한 데이터의 다차원적 관계를 찾고 해석하는 방법에 대해 기술한다.
6부에서는 환경변수의 속성에 따라 발생하는 모니터링 데이터의 불확정성, 또는 그 데이터를 해석하는 과정에서 발생하는 불확정성을 정량화하고 해석하는 방법을 알아본다.
7부에서는 규모와 속도면에서 방대해진 환경 빅데이터를 기계학습을 통해 해석할 수 있는 실습에 중점을 두고 설명한다.

1부 통계의 기초
1장 환경 데이터 속성 및 통계 기초
2장 환경 데이터 분석 소프트웨어

2부 평균 비교분석
3장 가설검정(hypothesis testing)
4장 t-검정(t-test)
5장 분산분석(analysis of variance, ANOVA)
6장 다변량 분산분석(multivariate analysis of variance, MANOVA)
7장 비모수 검정(non-parametric test)

3부 상관성 활용 분석
8장 상관분석(correlation analysis)
9장 회귀분석(regression analysis)
10장 곡선일치분석(curve fitting analysis)

4부 시공간 분석
11장 시계열 자료 분석(time-series analysis)
12장 시공간분석(spatial and temporal data analyses)

5부 다차원 해석
13장 주성분분석(principal component analysis, PCA)
14장 군집분석(cluster analysis)

6부 불확정성 정량화
15장 몬테카를로 시뮬레이션(Monte Carlo simulation)
16장 민감도 분석(sensitivity analysis)
17장 불확실성 분석(uncertainty analysis)

7부 기계학습
18장 기타 분석
A. 인공신경망
B. Support Vector Machine(SVM)
C. 자기 조직화 지도 분석

부록