牛志宏

(长江工程职业技术学院，湖北 武汉 430212)

0 引 言

GPS测量技术自问世以来，就以其定位精度高，测量速度快，操作简便等优点受到测绘界的广泛关注。大量实践表明，GPS定位技术可以完成高精度三维测量，其平面相对定位的精度能够达到0.1×10-6～1×10-6或更高，这是常规测量技术难以比拟的，但是，GPS高程测量是相对于WGS-84坐标系中的大地高，并非我国采用的相对于似大地水准面的正常高。在工程实践领域，若应用GPS测量技术确定某点的正常高，则需要根据大地高和正常高的关系进行转换。即在忽略垂线偏差情况下，大地高和正常高的转换关系可表示为

H=h+ξ,

(1)

式中:H为大地高；h为正常高；ξ为高程异常。

若能求得GPS点的精确高程异常ξ，即可通过GPS高程测量求得该点的高精度正常高。然而，由于高精度的高程异常难以获得，因此无法得到高精度的正常高。于是，如何获得高精度的高程异常，成为工程实践领域利用GPS高程测量求得该点高精度正常高的关键。

通过求得GPS点的高程异常，将GPS大地高转换为正常高有多种方法，目前研究比较广泛的有重力模型法、函数模型拟合法、随机模型拟合法、人工智能法等。虽然这些方法在应用过程中取得了一定的成功，但效果仍然不很理想。如何才能提高GPS大地高向正常高转换的实际精度，仍然是测绘界一直研究的热点问题。本论文对BP神经网络、遗传神经网络和退火神经网络用于GPS高程拟合的特点和存在的问题进行分析比较，并通过实例讨论了BP神经网络、遗传神经网络和退火神经网络的GPS高程拟合精度。……