随着大数据时代的到来,空间大地测量技术迅速发展,为地理信息领域提供了必要的数据来源和参考依据。高程作为空间信息表达与传递的重要数据,为科学研究与工程实际应用提供了基本保障。具有快速高精度优点的GPS技术成为获取地理数据的重要途径,但GPS观测方法直接获得的是相对于参考椭球面的大地高,而非工程实际采用的正常高。因此,为充分利用GPS观测成果的有效信息,亟需构造高精度的转换模型来实现不同高程之间的转换,其核心步骤是求解高程异常。为得到局部测区最优的高程异常值,本文以多面函数为基础,采用了群体智能算法优化模型参数,提出基于群体智能算法改进的GPS高程拟合方法,构建适用于地势起伏明显、地形条件较为复杂的区域高程拟合模型。主要工作内容如下:1、系统论述了不同高程之间的相互关系,对比分析了天文大地水准法、大地水准面模型法、重力测量法和数值模拟法的转换精度及特点。本文分别从线状拟合模型、面状拟合模型及优化算法改进的组合模型分析了不同拟合方法的适用范围及各自的优缺点,探讨了常见拟合模型存在不足与改进方法中存在的局限性问题。2、考虑到观测值中可能含有粗差情况,在多面函数中嵌入了稳健估计进行模型优化,分别利用嵌入稳健估计前后的拟合方法对含有粗差的建模数据进行处理,对比分析发现改进后的多面函数拟合方法有助于削弱粗差对模型精度的影响。3、针对多面函数中核函数的中心节点和光滑因子两个重要参数难以选取的问题,提出采用蚁群算法和遗传算法分别获取中心节点和光滑因子的组合拟合方法。将蚁群算法用于中心节点的选择与优化,求得最优中心节点与单独使用均匀格网的拟合结果作比较,结果表明优化后的中心节点更有利于建立高精度的拟合模型。对比分析了不同交叉概率对遗传算法的计算速度及收敛性的影响,综合考虑并确定实验最佳光滑因子取0.952用于建模,此时拟合模型的精度比其它取值拟合精度要高。4、为进一步论证群体智能算法对改进模型的有效性,本文利用粒子群算法获取模型参数,对同样的检核数据处理后与蚁群算法计算结果作比较,发现不同群体智能算法对优化中心节点均有较好的效果,但是,粒子群算法寻优过程的收敛性略高于蚁群算法,且获取的中心节点更能表达地貌特征,故建模精度略优于蚁群算法改进模型。实验结果表明,同改进前的多面函数拟合方法相比,基于组合智能算法改进的GPS高程拟合模型在精度上有了明显提高,说明了改进模型对提高精度有效可行,为获取局部区域内的正常高程数据提供了理论指导意义。