GPS的出现对许多常规测量技术产生了极大冲击，对几何水准也不例外。首先，在效率、经济性、实时性甚至在精度上，GPS的挑战是明显的。在不一定要正常高的许多场合，GPS可以代替水准测量，单独完成工程和科学任务。其次，通过似大地水准面计算好确定高程异常后，GPS测量的大地高可以转换成正常高，从而代替水准测量。 GPS技术的发展，特别是厘米级似大地水准面的发展，为GPS测量正常高提供了技术基础。然而把GPS测量大地高转换成正常高仍存在多种方法的优选和一些质量控制问题，本文就是对这两方面的内容做了比较详细的研究。 文中在总结了一些与GPS水准测量相关的问题之后，分三大章节分别介绍了三种GPS高程转换方法，分别为数值逼近法、顾及全球重力场的移去—恢复法，以及基于BP神经网络法。数值逼近包括函数模型逼近和统计模型逼近。前者的优点是对于趋势性变化的拟合效果较好，但需要合适的函数模型形式和合适的模型参数个数，后者的优点是计算灵活，尤其对稳态随机过程的逼近效果较好，但它的核心问题是选择并拟合出可靠的、有代表性的协方差函数。基于此文中第三章导出了一种将函数模型逼近和统计模型逼近二者有机结合的综合逼近模型，以便充分利用两者的优点。按数据的来源不同，求解重力异常的方法可以分为重力测量法和几何测量法两大类，两种方法的优缺点在好几个方面基本上是互补的。第四章的顾及全球重力场的移去—恢复法就是综合了这两种方法的优点的一种GPS高程转换方法，其基本思想是在利用模型逼近法进行高程转换前，首先移去用重力场模型计算得的到高程异常中长波部分，然后对剩余的高程异常进行拟合和内插，在内插点上再利用重力场模型把移去的中长波部分恢复，最终得到该点的高程异常。BP神经网络的输入与输出关系是一个高度非线性映射关系，而我们知道几何的GPS高程转换实质也是从坐标到高程异常的映射，所以BP神经网络是一种高精度的高程转换方法，但是它的网络结构构造没有一定的标准，第五章主要通过多次试验来讨论用于GPS高程转换的BP网络结构。 本论文的主要研究内容是高精度GPS水准算法，所以很有必要在整个过程中进行质量的控制。参与GPS高程转换的数据的质量以及高程转换时所采取的计算方法都将影响着最终求解正常高的精度，所以文中第六章就根据这两个方面内容讨论了GPS水准的质量控制问题。