近年来,由于GNSS导航定位系统的不断深入研究与发展,其具有三维定位测速、精确定时、实时全天候、免费资源突出等优点,在测绘领域得到了广泛的应用。高精度的似大地水准面成果,能够使得GNSS直接测定正常高,充分发挥其在测绘领域中的优势,提高作业效率,带来直接的经济效益。高精度似大地水准面的研究具有很高的实用价值,这也成为测绘学者们关注并致力于研究的热点课题之一。文中围绕似大地水准面精化这一课题展开研究,重点介绍了径向基（RBF,Radical Basis Function）神经网络理论和模型及其在高程异常拟合中的应用;并针对大区域似大地水准面精化分区拟合方法存在的不足而提出了基于格网模型的似大地水准面精化方法。文中创建了6种似大地水准面模型,并用实例数据验证了各个模型的精度。本文的主要内容及研究成果包括以下几个方面:（1）文中介绍了工程上常用的似大地水准面精化的理论及常用方法,并对几何法、重力场模型法、组合法等进行了详细分析。首先采用几何法中的二次多项式模型进行高程异常值拟合,并在其基础上增加EGM2008重力异常数据,建立融合重力信息的二次多项式似大地水准面模型;（2）采用高斯函数作为神经网络隐含层的激活函数构建的RBF神经网络,应用于高程异常拟合过程中表现出较好的效果。在该模型的输入层增加EGM2008重力异常数据这一参数构建的改进模型,通过两个工程实例实验结果表明,在RBF神经网络模型拟合结果的基础上又有了精度提升。（3）针对分区拟合法的不足,提出了一种无缝分区的思想,即基于格网模型的大区域似大地水准面精化方法。将该思想分别应用于两个工程实例中,结果表明,格网模型用于高程异常拟合使拟合精度达相较于常规的二次多项式模型和RBF神经网络模型的精度均匀有所提高;增加EGM2008重力数据作为已知参数后改进的格网模型进行高程异常,拟合精度都高于其余五种模型。两个工程实例应用结果表明,融合重力数据改进的RBF神经网络模型和改进的格网模型均表现出较好的精度,可以相互补充,适合于实际工程应用。