1. 研究目的与意义（文献综述包含参考文献）

一．研究背景及意义

随着gps技术的愈发成熟,其相对定位精度达到毫米级，完全达到了平面控制测量精度要求。由于其高精度、全天候、高效率、多功能、操作简便的特点正在取代传统的平面控制测量。然而由于gps高程是基于wgs-84椭球的大地高，它与我国工程建设中用的高程系统是不一致的，因此需将gps高程转换为正常高高程，目前gps确定测站点正常高的关键点就是高程异常f的测定，但是由于高程异常难以精确测定,这导致了gps高程在众多领域的冷遇。对于高程异常的求解方法很多：如多项式拟合法、三次样条曲线拟合法、曲面拟合法以及神经网络法等。这些方法在进行求解过程需要足够多的样本数据，这样才能得到理想的结果。然而，在实际测量工作中，这样做大大增加了工作量人工成本。针对这些传统的求解方法要求有足够多样本数量的缺陷，本文采用支持向量机的方法。在样本有限的情况下，利用支持向量机的模型参数。发挥了支持向量机的小样本学习能力强和计算简单的特点^[4]。利用遗传算法^[2]、差分进化^[5]等数学算法对参数进行寻优的技术流程，改善gps高程转换效果。同时验证其支持向量机在gps高程转换中的可靠性。

二、常用高程转换方法

2. 研究的基本内容、问题解决措施及方案

一、 研究的问题

对gps高程转换的方法进行研究,探讨支持向量机在gps高程转换中的应用途径，重点研究遗传算法、差分进化等对支持向量机参数搜索算法的改进，并结合matlab语言编制gps高程数据处理与转换工具，解算实例数据，验证支持向量机应用于gps高程转换的适用性及优越性。

1、支持向量机在gps高程转换中的实际意义；