无论是数据挖掘还是空间数据挖掘或者说地理信息可视化，目的都是为了促进人们对空间数据的科学认识，并从中进行相关高层次的知识构建。这是一个循序渐进、不断优化的过程。虽然空间数据挖掘理论知识发展了很多年，真正想为日常生活提供服务又必须依赖于计算机科学技术的发展。随着计算机软、硬件技术的不断提升，挖掘算法也趋向于不断开放。软件开发成本的降低也使得面向专业的空间数据挖掘软件日新月异。鉴于此，本文在国家自然科学基金项目(40571119)资助下，基于现有的地图引擎(MapObject)开发空间规划领域的数据挖掘软件平台，为规划决策管理提供技术支持和解决方案。　　 本文首先从大量的文献著作中综合分析总结了国内外空间数据挖掘现状和发展趋势，在把握了整体的方向和现有的空间数据挖掘软件的特点之后设计并实现了该套空间数据挖掘系统。主要包括的内容有：非线性条件下的空间数据分类预测，这是一种采用了神经网络算法的准确度较高的预测算法。因为该算法的空间复杂度较大，所以对计算机的硬件要求较高，空间换时间也是现在软件的一种设计模式；其次是基于自邻接指数的关联规则挖掘，自邻接指数是一种基于名义尺度的自相关系数。将自邻接指数作为关联规则挖掘的对象，从而发现土地利用类型的共生关系。这也为邻接指数和关联规则的组合挖掘提供了一种思路。利用空间数据可视化技术来展示聚类结果、网格功能和基尼系数部分也是本文的研究内容之一。　　 文章最后用了五个具体的应用案例来说明本文的研究实际意义和价值。首先运用高空间复杂度的神经网络算法在对数据量相对不大的情况下有很好的精度和效率。挖掘结果也体现了将自相关系数和关联规则结合的新思路的价值，无论从运行时间还是共生类型结果上来说都证明了该方法的可行性。可视化操作更是简化了用户在空间数据挖掘中的过程。