全球导航卫星系统(GNSS)是与现代科学技术发展同步兴起的先进导航、定位技术,其具备全天候、高精度特点。现今GNSS技术已经成为快速收集地理的数据的重要手段,但GNSS观测技术直接获得的是相对于参考椭球面的大地高,而非实际工程中所需的正常高。为了能利用GNSS技术代替传统的水准测量技术,构造高精度的转换模型一直是测绘工作研究的重点。不同高程转换的关键之处在于高程异常的求解。为得到局部区域的精准高程异常,本文提出利用蜂群-果蝇混合算法来为最小二乘支持向量机拟合法选出最佳参数,完成GNSS高程拟合模型的建立。主要工作内容如下:1、简单阐述了高程的定义及不同高程之间的相互转换,列举了确定大地水准面的常规方法及特点。分别从曲线拟合法、曲面拟合法及BP神经网络分析了各自的适用范围及优缺点,探讨了常见拟合方法所存在的不足与改进方法中存在的局限。2、针对GNSS观测数据中可能含有粗差的情况,提出在最小二乘支持向量机中引入稳健估计来进行高程拟合,并与未嵌入稳健估计的最小二乘支持向量机拟合方法分别对同组含有粗差的观测数据进行处理,比较分析发现改进最小二乘支持向量机拟合方法可以减弱粗差对模型精度的干扰。3、考虑到最小二乘支持向量机中的核参数和正则化参数选取困难的问题,提出将蜂群算法和果蝇算法分别引入最小二乘支持向量机中,通过生物智能算法进行参数寻优,构建GNSS高程拟合模型。对比分析不同智能算法改进拟合法建模的精度及稳定性,发现蜂群算法具备全局寻优能力强的特点,而果蝇算法有计算过程简单、易调节的优势。4、为了充分发挥智能算法的优势,本文利用蜂群-果蝇混合优化算法改进最小二乘支持向量机来构建拟合模型,对同组检核点数据处理后与单一智能算法计算结果作对比,发现组合算法的稳定性及精度均要优于单个智能算法,故组合智能算法更适用于拟合模型参数优化。实验结果表明,同常规最小二乘支持向量机拟合法相比,基于组合生物智能算法改进的拟合方法有效的提高了GNSS高程拟合模型的精度,验证了改进拟合方法对于提高模型精度的现实性及有效性,为以后测量工作中正常高数据的获取提供了一定的参考依据。