公路高程控制测量为整个路线提供统一的高程基准，在路线设计、施工、运营阶段都起着非常重要的作用。随着全球定位系统GPS（Global Positioning System）技术的发展，GPS测量以高效率、高精度、不受气候条件限制等优势，使得GPS技术应用于公路高程控制测量已成为一种趋势，其可以减轻外业工作量，从而带来直接的经济效益。采用GPS相对定位技术可以获得GPS网中观测点的大地高，但在公路高程控制测量中，地面点的高程采用正常高，研究GPS高程转换可以精确求定GPS点的正常高。本文结合公路高程控制测量实测数据，利用神经网络、最小二乘配置方法进行GPS高程转换研究，取得的主要成果有：（1）在收集GPS高程转换及公路高程控制测量的大量资料的基础上，了解了GPS定位技术原理，高程系统的定义，理清了各高程系统之间的关系，掌握了国内外常用的GPS高程的转换方法及其在公路高程控制测量中应用研究现状。明确了公路高程控制测量的重要性，实测方法及精度要求。（2）在基于神经网络GPS高程转换模型中，为避免各转换参数数值差异过大，必须对测量数据进行归一化处理，使其具有同等的权重。传统的归一化函数值域为[0,1（]函数A），为了研究数据归一化方式对GPS高程转换结果的影响，本文提出了值域为[-1,1]的归一化函数（函数B），结合反向传播（BP）、广义回归（GRNN）和径向基（RBF）等三种神经网络模型进行计算和对比分析，得出函数B的转换结果优于函数A的转换结果；采用B函数归一化时，基于广义回归（GRNN）神经网络的GPS高程转换结果最优。（3）针对常规GPS高程转换模型没有顾及非随机参数向量，其结果与正常高的实际值必然会有一定差异，本文在最小二乘配置模型中加入了非随机参数向量，结合实测数据，与平面转换模型进行对比计算。采用平面转换模型，其结果的中误差为0.039m，而采用最小二乘配置转换模型，其结果的中误差为0.008m，相对精度大幅度提高。针对协方差函数对最小二乘配置转换结果的影响问题，采用高斯(Gauss)函数、希尔伏宁(Hirvonen)函数、似高斯(Gauss)函数分别作为协方差函数进行了GPS的高程转换计算分析，得出了当采用似高斯函数作为协方差函数时，其结果优于前二者。（4）探讨了在公路高程控制测量中GPS高程转换为正常高的精度影响因素。从数据源分析，在观测过程中GPS数据采集误差主要包含卫星星历引起的误差、GPS信号的传输误差及GPS天线高的测量误差；联测误差有水准点本身的误差和与水准点联测引起的误差。从GPS高程转换模型分析，主要包含模型的适用范围，模型参数的选择，GPS网型结构以及已知点的选择情况。最后，基于广义回归（GRNN）神经网络的GPS高程转换方法计算了一个公路高程控制测量实例，验证将GPS技术应用于公路高程控制测量的可行性和可靠性。