GPS高程拟合是GPS大地高转换为正常高的关键问题，本文在分析了GPS高程拟合国内外研究现状的基础上，针对神经网络在GPS高程拟合中模型构建及其应用等问题，提出利用BP神经网络进行GPS高程拟合的方法，并进行了深入的研究。　　1)总结了与GPS水准测量相关的问题，介绍了GPS高程转换、数值逼近法以及基于BP神经网络法进行GPS高程异常拟合。　　2)论述神经网络及BP算法的原理，分析BP算法存在的问题，提出相应的改进措施，进而构建了适合高程异常转换的BP神经网络模型。　　3)用实验数据进行了GPS高程转换的BP网络模型的容错性与泛化能力的比较，对BP神经网络模型进行GPS高程拟合与曲面拟合的优缺点进行了深入的分析研究。　　研究结果表明:　　1)基于BP神经网络的GPS高程拟合模型在平原与沿海地区适用范围广，拟合效果较曲面拟合效果好，但网络模型存在不稳定性。数值逼近法在山区进行GPS高程拟合效果差，不能满足生产需要。　　2)二次曲面拟合与BP神经网络拟合联合进行GPS高程转换，在山区取得良好效果。试验计算结果表明，二次曲面拟合与BP神经网络拟合联合进行GPS拟合，拟合的高程异常的精度明显优于单一模型拟合。这对于目前GPS在山区进行高程拟合一直达不到满意的精度提供了较好的解决方案，具有一定的实用意义。