通讯第一期编者按
数据及数据模型是传统仿真技术的核心概念和重要支撑。随着传感技术、通讯技术、及数据存储技术的发展，大数据已经不再是新鲜概念。大数据环境下，传统的仿真理论、方法和平台面临着巨大的挑战，基于大数据的科学仿真应运而生。大数据技术或者说数据科学会给仿真技术带来哪些新的挑战？在大数据时代，仿真技术和建模理论需要会有什么样的新发展？传统的数据模型如何和大数据技术结合，从而发展新的数据模型？大数据时代的仿真将会具有哪些新的特征？这些都是从事仿真科学技术及其应用研究的工作者未来需要思考和解决的问题。本期收集了4篇和大数据仿真有关的论文以及一篇介绍大数据平台的文章，希望能够抛砖引玉，为传统仿真技术在新的大数据时代的发展起到一定的推动作用。
《大数据仿真理论、方法与平台》对大数据科学仿真理论、大数据科学仿真方法、大数据科学仿真平台进行了介绍，并与传统仿真进行了对比分析。大数据和仿真技术的融合，实现了仿真理论方法由随机样本到全体数据，由精确化计算到模糊容错，由因果思维到相关思维的转变，同时催生了分布式大数据仿真平台基础架构Hadoop、Spark以及国内大数据仿真建模平台Ethink。这种新的科学研究范式将为建模与仿真技术带来新的机遇。
随着数据存储和计算技术的不断进步，各种针对大数据的管理、计算和分析平台被推出和升级。电信行业作为信息化和数字化企业的代表，用于客户流失预测的数据量越来越大，对分布式并行数据处理系统有着强烈的需求。《基于Spark机器学习的电信客户流失预测系统设计与实现》结合Spark机器学习在处理海量数据建模上的优势，开发了针对于电信客户流失预测等问题的机器学习系统。并通过某电信企业真实数据集的测试，验证的系统功能的正确性和处理速度的有效性。
《基于特征抽取的资金流量仿真预测模型》根据历史资金流入流出数据进行仿真预测，研究蚂蚁金服公司余额宝资金未来30天流入流出的预测问题。由于历史数据不稳定且多噪声，论文采用特征抽取方法，包括从时间、用户、利率等角度构造特征，得到与目标值相关的特征；之后，利用组合算法进行预测流入流出值，即先用灰度预测法得到新月份当天的单个特征值，随后再采用神经网络训练学习得到最终结果。实验结果表明，此仿真模型可以有效预测出余额宝用户的资金流入流出金额。
流失预测是电信客户关系管理的核心环节，通过数据挖掘技术建模，可以有效预测风险客户的流失概率，辅助运营商有针对性地设计营销策略，为科学决策提供数据支持。《基于提升树模型的电信客户流失预测仿真研究》将梯度提升树模型应用于电信客户流失预测建模，进而提出基于提升树模型提取低维特征的方法，同时实现预测性能的提升与计算复杂度的降低。实验证明，提出的相关算法有效提升了模型的预测性能。
《ETHINK高校科研与实训平台介绍与应用》介绍了一款大数据平台ETHINK，它集成了数据连接、数据清洗、聚类分析、分类与回归、关联规则、时序模型、推荐模型、R算法、文本清洗、文本挖掘模型、可视化展示的等常见的数据分析和展示工具。为高校教学科研和培训提供了一个安全可靠、灵活的实验环境。
