随着移动通信和互联网行业的飞速发展,国内运营商之间的竞争日益激烈,移动通信用户更换运营商的情况日益普遍,用户的离网现象已经引起了业内的广泛重视。电信运营商如何充分发挥自身优势,以达到较高的客户保持率,甚至吸引更多新客户加入本公司,将直接影响到其在电信行业市场上的地位。针对电信用户离网预测问题,本文进行了广泛调研,不同于传统研究重点提升预测模型准确率,本课题着眼于对用户离网行为进行提前预测,即远期离网预测问题。本文设计方案对用户行为时序变化进行挖掘与分析,并验证了基于时序变化的远期离网预测可行性。接下来构建了三个基于时间序列的远期离网预测模型,同时考虑社交因素对用户离网的影响,构建基于社交影响的远期离网预测模型,将上述四个模型进行融合得到最终的混合模型,并与传统预测方法对比验证了本课题所提模型的效果。本课题还对电信离网用户进行特征重要性分析,并对离网用户中的特殊群体——重入网用户进行识别,使用电信通话数据构建社会网络,并构建了基于社交相似性的电信重入网用户识别模型,从而针对不同用户制定相应的营销策略。本课题基于分布式系统对上述模型分别进行实现,并使用电信运营商提供的用户通话数据和套餐资费数据对模型进行结果对比,验证了本课题所提出的模型在对应问题方面的可靠性。在模型效果得到验证的基础上,本课题构建了基于Spark平台的电信用户离网预测及分析系统,将远期离网预测和重入网用户识别功能集成于该系统,运营商通过该系统可以自动化完成模型训练与应用,并得到相应的潜在离网用户和重入网用户集合。通过上述几个方面的工作,本课题完成了远期离网预测和分析工作,并完成重入网用户识别工作,在此基础上实现完整的离网预测及分析系统,根据用户需求自动化完成用户识别与预测工作,为电信运营商制定有针对的营销策略提供支持。