随着科学和技术的不断发展，人类对世界的认识也逐渐加深，在对周围世界的探索过程中，各种信息和数据大量出现，在这些庞大的数据中，蕴藏着很多有用的信息。为了发现这些数据中的隐藏信息，从而有效的利用这些信息为人类的生产和生活服务，数据挖掘应运而生。随着GPS，RS和GIS等技术的发展和卫星、雷达、电视摄像等各种传感器的广泛应用，空间数据逐渐取代传统数据，成为现代信息的主体。因此空间数据挖掘作为数据挖掘的一个分支成为目前研究的热点之一。 数据挖掘和知识发现(Data Mining and Knowledge Discovery，DMKD)是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含的、未知的、潜在的、有用的信息的过程。作为数据挖掘一个新的研究分支，空间数据挖掘(Spatial Data Mining，SDM)是二十世纪九十年代发展起来的一项新技术，指从空间数据库中提取用户感兴趣的但并未清楚表现出来的空间模式与特征、空间与非空间数据的普遍关系及其它一些隐含在空间数据中的普遍的数据特征及规律。空间数据挖掘是多学科和多种技术交叉综合的新领域，其挖掘方法是以人工智能、机器学习、专家系统、数据库和统计等成熟技术为基础的。空间数据发掘可用于游览空间数据库、理解空间数据、发现空间联系以及空间数据与非空间数据之间的关系、重组空间数据库、构造空间知识库、优化空间查询等。尤其近年来空间地理信息系统(Geography Information System，GIS)广泛地应用到各个行业中，积累了大量得与空间位置相关的空间数据，因此空间数据挖掘研究已成为当前研究的重要课题。 空间数据由于具有空间自相关性、多尺度性、高维性等特点，与传统数据有很大区别，因此，过去的分析方法对空间数据并不适用。而多小波分析作为近二十年来迅速发展起来的一种新理论，由于其具有时频联合分析、多分辨率分析、消失矩、多层次分解结构、小波系数的非相关性、多小波基函数选择灵活和线性的空间和时间复杂度等特点，特别适合对空间数据进行处理。 基于上述特点，本文对多小波分析的各种方法在空间数据挖掘中的应用做了深入的研究。首先介绍了空间数据挖掘的相关知识、空间数据挖掘概念及特点、空间数据结构分析、空间数据与传统数据的区别、空间数据挖掘的基本过程、空间数据挖掘可发现的知识和模式、空间数据挖掘的主要方法、空间数据挖掘的应用、空间数据挖掘的发展方向，并且初步探讨了多小波分析在数据挖掘中的应用。随后研究了多小波分析理论，在概括了多小波理论的发展现状、优缺点及多小波分析的特性后，重点论述了正交多小波理论、多尺度函数的逼近阶、平衡多小波理论的理论及构造，并提出了平衡算法。同时，对基于多小波的空间数据挖掘也作了分析，重点在空间数据挖结构的选取及分析、多小波变换在时间序列分析中的探讨、多小波分析在空间数据约简中的探索。最后，本文结合上述分析研究，给出了空间数据挖掘系统的模型框架、体系结构、实现模型、系统逻辑结构图、以及小波分析算法库。