En las últimas décadas, el promedio de modelos ha recibido una atención extensa y se ha considerado como una alternativa factible a la selección de modelos. Sin embargo, este trabajo se basa principalmente en un marco de modelo paramétrico y un conjunto de datos completo. Este artículo desarrolla una estimación de promedio de modelos frecuentista para modelos lineales parcialmente semiparamétricos con respuestas censuradas. La función no paramétrica se aproxima mediante B-spline, y los pesos en el estimador de promedio de modelos se eligen minimizando un criterio de validación cruzada de dejar uno afuera. Se demuestra que el estimador de promedio de modelos resultante es asintóticamente óptimo en el sentido de lograr el error cuadrático más bajo posible. Un estudio de simulación demuestra que el método en este artículo es superior a los métodos tradicionales de selección y promedio de modelos. Finalmente, como ilustración, el procedimiento propuesto se aplica además para analizar dos conjuntos de datos reales.