为了建立神经网络化学机械抛光（Chemical Mechanical Polishing, CMP）材料去除率预测模型，解决硅片 CMP 过程中参数与材料 去除率之间的准确映射关系，实现硅片 CMP 材料去除率的准确预测,提出一种基于粒子群优化算法的径向基函数神经网络方法(PSO-RBF)， 并将该神经网络预测模型与 RBF 模型进行对比分析。最后，使用 PHM 数据挑战赛所提供的 424 组硅片 CMP 数据集进行实验验证，实验 结果表明经多次结构调整构建的最终模型均方根误差（RMSE）为 5.231 1 nm/min，平均绝对误差（MAE）为 4.195 9 nm/min。PSO-RBF 神经网络预测模型与 RBF 模型在准确性与稳定性方面分别提高 4.28%和 6.14%。PSO-RBF 神经网络预测模型能够实现硅片 CMP 材料去除 率的准确预测，相比于传统径向基函数神经网络方法准确性与稳定性更高，能有效减少预测误差。