针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam(adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型.研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9cm和2.4cm,为GNSS水准拟合提供了新的思路.