GPS的观测数据经处理后,可得到两点间的基线向量及高精度的大地高差,如果已知一点的大地高,即可求得全网各点的大地高,大地高是以椭球面为基准的高程系统,而我国工程中采用的是以似大地水准面为基准的正常高系统。由于似大地水准面是一个不规则的曲面,它无法用一个精准的曲面来模拟,这就使得GPS只能提供高精度的大地高,而不是我们工程中需要的正常高。这严重影响了GPS三维定位应用的发展,使其提供三维坐标的优越性未能得到充分发挥。因此,在生产中GPS高精度的高程信息资源往往被浪费,而没有很好地利用与开发。由于GPS测高要远比传统水准测量来得便捷,故人们期望能用GPS高程测量来逐步取代传统的水准测量,而成果又希望统一使用测站点的正常高,这就需要研究GPS大地高与正常高之间的转换关系,从而需要研究高程异常的问题。目前,国内外有许多学者研究GPS高程异常拟合的问题。综观GPS高程拟合方法,基本上可将其分为三大类:几何解析方法(数学模型法)、物理大地测量方法和神经网络方法。本文在分析了近年来国内外对GPS水准高程拟合方法研究成果的基础上,对基于人工神经网络的GPS高程异常拟合方法进行了研究,所做的主要研究工作及取得的成果如下:(1)分析、总结了前人在GPS高程异常拟合方面的最新研究成果。在此基础上,讨论了基于BP神经网络的GPS高程转换方法的主要特点;分析了神经网络的BP算法的数学模型和网络结构;构造了基于BP神经网络、二次曲面拟合法和测区重心化法相组合方法的GPS高程拟合模型;编译了相应的基于神经网络的GPS高程拟合程序。(2)将重心化法与BP神经网络相组合进行了GPS高程转换,结果表明,该方法与单纯的BP神经网络相比具有网络稳定,转换精度高等特点。(3)提出用贝叶斯归一化算法基于M×N的网络结构进行GPS高程转换,该网络转换结果精度高、网络性能稳定、实时性好。(4)提出了二次曲面拟合算法与径向基神经网络算法相结合进行GPS高程转换的方法,该方法拟合结果精度高,网络泛化能力强,网络运算速度快。通过工程数据测试,该网络性能最优。(5)引入AIC准则,并将其应用于基于径向基神经网络的GPS高程异常转换模型的优选,为径向基神经网络模型的优选提供了理论依据,克服了径向基神经网络训练参数确定困难的缺点。(6)利用实际工程数据,对本文涉及的BP网络模型、径向基神经网络模型、BP神经网络组合算法以及径向基神经网络组合方法进行了多项试验研究,通过对这些拟合模型进行综合比较和分析研究,给出了不同拟合模型的精度评价。