城市土地利用结构及其演变是城市空间结构研究的主要内容之一。本研究是在分析国内外研究进展的基础上，以非线性理论为指导，综合运用分形(Fractal)，元胞自动机(Cellular Automata，简称CA)和人工神经网络方法(Artificial Neural Network，简称ANN)，分别建立了城市土地利用的分形模型、城市土地利用变化的SOM(自组织特征映射，Self-Organizing Map)神经网络模型和基于CA(元胞自动机，Cellular Automata)的城市土地利用结构人工神经网络模拟预测模型，对上海市中心城区和所选样区的土地利用静态结构、动态演变和预测做了细致的研究和详实的分析。在技术实现上，作者借助RS，GIS，MATLAB和SPSS等软件建立非线性模型，采用静态分析与动态分析相结合，定性分析和定量分析并举的方法，对城市空间结构及其演变进行了深入、系统地研究。 第一章，提出了本研究问题的背景，介绍了国内外对城市土地利用非线性模型的研究进展，并探讨了各种非线性模型的优势与不足。 第二章，介绍了本论文的数据来源、SPOT卫星影像增强，土地利用类型分类及编码和地图数字化的过程，最终建立了城市土地利用的时空数据库。 第三章，以土地利用的分形图式为出发点，总结并探讨了三种研究土地利用空间结构的分形维数：边界维数、半径维数和信息维数，并以上海市中心城区为研究对象，计算了土地利用空间结构的边界维数、半径维数和信息维数。研究结果表明城市土地利用的三种维数之间是有区别的，它们分别反映了土地利用空间分布的三个方面：复杂性、向心聚集性和均衡性。 第四章，针对土地利用变化的复杂性，构建了城市土地利用变化的SOM神经网络聚类模型，以选定样区为研究对象，对其1998-2002年土地利用变化的模式进行探讨。研究结果显示：城市土地利用变化的SOM神经网络聚类模型可以很好地反映样区土地利用变化的规律，并且可以实现土地利用变化规律的空间直观显示，大大拓展了土地利用变化的空间分析研究方法。最后，作者总结了该模型中神经网络结构的确定原则。 第五章，针对土地利用结构的时空模拟与预测，作者将元胞自动机与人工神经网络相结合，构建了基于CA的城市土地利用神经网络预测模型(LCA-ANN模型)。该模型创建了土地利用元胞时空数据库，以人工神经网络学习土地利用的转换规则并通过时空反演实现土地利用结构的预测。以选定样区为研究对象，利用1998、2002年两期土地利用数据，作者对2006年样区土地利用结构做了预测。结果表明：LCA-ANN模型可以很好地实现土地利用结构的预测，可信度较高，但同时该模型也存在特殊条件下信息浪费的缺陷。最后，作者针对这个缺陷提出了改进和完善意见：将蒙特卡罗(Monte Carlo)过程与SOM网络相结合，一方面很好地解决模型所华东师范大学硕士学位论文存在的缺陷，另一方面采用随机方法，进一步优化LCA.ANN网络。 第六章，是对研究结果的总结和方法模型的讨论与展望。