在全球环境变化研究中，人们逐渐认识到土地利用所引起的土地覆盖的变化也是全球环境变化的主要原因和重要组成部分。土地利用/覆被变化(LUCC)也越来越被认为是一个关键而迫切的研究课题，其中模拟和预测土地利用变化是区域分析和评价土地利用/覆被变化的核心部分。本文根据研究区域的实际情况，提出用人工神经网络(Artificial Neural Network，ANN)来模拟和预测研究区域的土地利用变化。人工神经网络作为一种分布式人工智能系统，它能够处理复杂的非线性问题的能力符合土地利用变化的特点。构造区域土地利用变化人工神经网络模型是本文研究的重点，它们主要包括输入层神经元的分析和选择、隐藏层神经元数目的确定、人工神经网络学习样本的训练和验证，通过反复试验构造了模拟研究区的土地利用变化人工神经网络模型。　　 本文用构造的人工神经网络模型模拟和预测了武汉市蔡甸区的土地利用变化，取得了较好的效果。　　 第一部分为绪论和基础理论，包含第一章、第二章和第三章。详细介绍了研究的背景和意义，总结了国内外土地利用/覆盖变化的研究现状，提出了研究思路和研究方法，并阐述了建立土地利用变化人工神经网络的理论基础。　　 第二部分为本文的核心部分，包含第四章、第五章和第六章。该部分主要围绕建立研究区域土地利用变化人工神经网络模型展开，首先运用分形理论描述复杂问题的特点，对研究区两个不同时间段各土地利用类型的分形维进行对比分析，从中得出研究区土地利用变化的主要驱动因素；然后通过运用相关性分析的理论和方法确定影响研究区土地利用变化的主要驱动因子，为建立研究区土地利用变化人工神经网络模型奠定基础。最后，在上述研究基础上建立研究区土地利用变化人工神经网络模型，通过学习样本集的训练和验证，模拟精度很好，达到了90％，得出该模型的可行性，并对研究区未来几年的土地利用分布进行了预测，为土地资源的合理利用提供了科学参考。　　 第三部分为结论及后续工作展望，包含第七章。主要对本论文的研究进行了简要的概括和总结，并指出需要进一步深入研究的地方。