王小超 张 勇

（巢湖学院信息工程学院 安徽合肥 238000）

随着移动通信技术的快速发展，电信运营商的用户数量急剧增长，通信市场竞争日益激烈。通过利用电信应用系统产生的数据，建立预测模型，对可能出现流失的用户做出较为准确的预测，对于减少用户的流失，提高通信运营商的运营水平，有着较高的应用价值[1]。

本文以实际的电信应用数据为研究对象，采用了BP神经网络算法，研究了电信用户流失问题。通过训练数据建立了数据模型，通过对模型的优化，最终得到了实际可用的数据模型，有效对电信用户流失做出预测。

一、算法选择

该问题实际属于一个二值分类问题，即建立模型的目标是预测一个用户的流失或未流失。解决二值分类问题的算法较多，常用的算法有支持向量机SVM、随机森林RF算法、K近邻算法等。

通过初步的模型评估，随机森林与支持向量机SVM效果相当，KNN算法分类效果较差，而神经网络的效果较好。因此，本文在算法选择上，采用了BP神经网络算法，该算法具有应用广泛、泛化能力强、准确率高等特点。

二、BP神经网络算法

BP(back propagation)神经网络是应用最为广泛的神经网络，是一种按照误差反向传播的方式训练数据的多层前馈神经网络。典型的BP神经网络模型如图1所示。

图1 BP神经网络模型

BP神经网络模型经历了正向传播和反向传播两个过程。

（一）正向传播。以图1两层神经网络为例，在正向传播时，神经网络按照一下方式计算各层输出：

H=ø(XW1+b1)

O=HW2+b2

其中ø表示激活函数，常用的激活函数有sigmoid函数、ReLU函数，tanh函数。……