电信运营商为了发现可能离网的客户，针对不同的场景研究开发了多种离网预测模型。目前的离网预测模型首先选择一种时间粒度抽取特征，之后使用机器学习算法对抽取的数据建模。这类方法只考虑了模型对分类性能的影响，没有充分考虑数据的作用。针对上述问题，提出一种使用多种时间粒度抽取特征的方法，并尝试在模型训练的不同阶段对不同粒度的特征进行融合。实验结果表明，使用多种粒度抽取特征训练出来的模型性能会明显优于使用单一粒度抽取特征的模型。