铜化学机械抛光(CMP)是集成电路制造的关键步骤之一，其中铜抛光速率是衡量抛光液性能的关键指标。在CMP过程中，由于铜抛光液中各组分与铜之间的化学反应复杂，需要大量的数据实验来实现可调的抛光速率。为提高铜CMP抛光速率预测的准确性，利用麻雀搜索算法对广义回归神经网络的平滑因子进行优化，提出了一种基于麻雀搜索算法的广义回归神经网络(SSA-GRNN)铜CMP抛光液抛光速率预测模型。首先，在MATLAB中建立SSA-GRNN网络模型，然后输入抛光液各组分数据，预测在不同组分下抛光液的抛光速率，最后将SSA-GRNN模型的预测结果与BP神经网络模型(BP-NCABC)的预测结果对比。结果表明，SSA-GRNN模型在训练集上的平均绝对百分比误差(MAPE)比BP-NCABC模型降低4.82百分点，在测试集上的MAPE比BP-NCABC模型降低1.78百分点；SSA-GRNN模型在训练集上的最优预测精度比BP-NCABC模型提高0.09百分点，在测试集上的最优预测精度比BP-NCABC模型提高0.32百分点。上述研究结果表明，在CMP抛光速率的预测上SSA-GRNN模型比BP-NCABC模型的准确性更高，这为指导CMP实验、提升实验效率、降低研发成本和优化抛光液组分提供了一种可选的模型。