传统径向基函数(RBF,Radical Basis Function)神经网络存在训练速度慢、效率低的问题,本文提出AdaBoost算法结合粒子群优化算法(PSO,Particle Swarm Optimization)改进RBF神经网络的算法,提高网络的预测精度。首先对样本数据进行预处理和测试数据权值初始化；再使用改进的PSO算法优选不同的隐层函数、网络学习参数,生成不同类型的RBF弱预测器,使用弱预测器反复训练样本数据；最后利用AdaBoost迭代算法将多个生成的RBF弱预测器构造为强预测器。选用UCI数据库中的数据集做仿真实验,仿真的结果表明本文提出的算法相比传统RBF神经网络预测进一步降低了平均绝对误差,实验提高了网络的预测精度,为RBF神经网络预测提供参考。