数据处理需要建立数学模型。一般情况下,所建立的数学模型往往与客观现实不完全一致,因此,必然会产生模型误差。尤其是现代数据采集的高技术和高自动化,已经改变了常规测量中观测值误差的纯偶然性。本文主要基于模型误差的基本理论,对测量数据处理中模型误差的诊断方法与模型误差的补偿方法进行了研究。本文主要是利用数理统计原理来进行模型误差的诊断。对于模型误差的补偿方法,本文主要研究了附加系统参数法、附加系统权值法、最小二乘配置法、半参数回归法以及神经网络方法。最后,结合多个具体的工程实例,对GPS高程拟合的两种数学模型(平面拟合法和二次曲面拟合法)进行了详细分析;论文研究了GPS高程拟合的两种数学模型是否存在模型误差以及如何对模型误差进行补偿。经过实例分析结果表明,对于地形不很复杂区域的GPS高程拟合,可以通过对所选数学模型进行模型误差补偿而找到较优的拟合方程,使得预报精度有所改善,其中,基于神经网络的模型误差补偿方法效果尤为明显。