服装流行色预测模型研究

黄 伟

江西服装学院 服装设计学院 (中国)

服装色彩是服装设计的重要环节，直接影响消费者的购买欲，影响企业效益。色彩学是光学、艺术学、美学、生理学等多门学科相互结合的综合性学科。服装的色彩则是色彩学在纺织材料学科上的体现。服装的色彩除受到服装材料、服装色彩、设计风格等因素影响外，还受市场、消费者的年龄及受教育程度等因素影响，这给服装流行色的预测增添了难度，这也是服装流行色预测模式的研究始终处于不断完善状态，没有最终成型的重要原因。进入信息时代后，可通过高效分类、快速处理实现海量数据的精准统计与准确预测。本文通过分析总结前人的模型研究，分析其优缺点，并在此基础上提出以云计算技术为突破口的服装流行色预测方法，为服装流行色预测提供参考。

1 服装流行色预测的研究现状

服装色彩流行趋势的预测与发布的研究始于欧美国家，其研究理论主要基于市场调研与相关专家的主观判断，这对服装色彩流行的预测产生了巨大影响。现阶段常用的服装流行色预测方法主要有市场调研分析预测、函数模型分析预测、主观判断分析预测等方法，每种方法各有优缺点。

参考欧洲主要流行色趋势发布机构发布的流行色方案，进行定量分析，探讨服装色彩的流行趋势，其弊端是服装流行色的影响因素众多，如科技、经济、文化、政治、战争等，易导致预测出现误差；服装流行色彩软系统方法论在原有流行色预测评价、市场调研、历史信息分析等模型基础上，补充了消费者色彩喜好因素，提高了市场与预测联系的紧密性，但预测评价指标未细化、具体影响因素模糊，具有片面性和局限性；构建专家知识体系服装流行色预测模型是基于历年潮流的色卡、图片等因素将色彩进行分类、量化，利用贝叶斯算法对模型进行优化，其弊端是专家知识体系、色彩象征意义因素与体系的融合度差。

中国对服装流行色的预测研究起步较晚，现阶段主要由中国流行色协会作为主要机构对服装流行色进行预测和发布。近年来，中国流行色协会及其他流行色研究机构借鉴欧美和日本等在服装流行色预测上的经验，结合中国市场，构建符合中国实际的服装流行色预测模型。陈林龙等[1]利用流行色预测专家与服装流行色色彩的集合，通过对人们色彩偏爱(如因风俗习惯、心理感受、经济状况、文化教育背景等产生的偏爱)的主观程度进行量化，构建色彩偏爱值理论，对服装流行色进行预测。专家的主观因素带来了预测的不确定性，而以粗集理论构建的服装流行色知识库进一步修正了专家判断与认知带来的不确定性，使预测更加客观、真实。文献[2- 4]均以历年服装流行色色卡为研究对象，通过将历年服装流行色的色彩体系量化为可供参考的纯度、明度与色相等指标，从数学与心理学角度构建时间顺序上的色彩流行趋势模型。该法的弊端：方法较复杂，工作量大，且影响服装色彩的新因素未纳入其中，造成预测精确度的偏颇。

总体而言，现有的服装流行色预测模型复杂多样，受服装流行色影响因素的限制，预测精确度不高。

2 服装流行色预测模型分析

随着计算机技术与云计算对数据的搜集、分析能力的增强，中国对服装流行色的研究也更加深入。应用神经网络、灰色神经网络、前馈神经网络、波浪理论、多个函数模型实现对历史数据的拟合模型等服装流行色的预测方法层出不穷，大致可分为基于流行色趋势发布机构的预测模型和建立在定案历史数据上的预测模型，所使用的分析方法主要有市场调研分析法、函数模型分析法和主观判断分析法。

2.1 市场调研分析法

服装色彩的流行程度最终体现在市场销量与消费者的接受程度上。市场调研分析法是基于服装色彩对消费者的服装购买欲的影响，分析消费者的政治背景、教育背景、地域背景、年龄因素、市场因素、体型与心理等因素，研究服装色彩流行趋势。

目前常用的市场调研法模型有2种，即日本市场数据统计调研法和美国市场数据统计调研法。前者是尽可能详尽地调研影响服装色彩的市场因素，如消费者的经济能力、商品数量及供给能力等，并对其进行统计、定量分析，以确定各项调研影响因素对服装色彩影响的权重，从而达到预测的目的。后者主要是以色彩体系的分类与量化为分析工具，将色相分为数个区间，从市场历年流行色彩入手，利用已有数据分析不同消费者的消费层次和关注点，从而构建模型，分析不同消费者对服装流行色存在的时间迭代周期，从而对服装流行色进行预测。

传统市场调研法存在调研数据样本少、数据来源范围受限及权重分配不精确的缺陷。随着线上销售发展迅速，基于大数据对服装销售相关因素的统计更加精准化，利用大数据、云计算进行市场调研，可提升预测的准确性。IBM、迅雷、腾讯、阿里云等IT企业将云计算处理后的数据做成服务产品，供亚马逊、天猫、京东等各大电商应用于产品分类、销量统计、用户反馈与市场预测等，大幅扩展了市场样本的数量与来源，取得了很好的预测效果。

2.2 函数模型分析法

函数模型分析法是通过构建函数模型，将服装流行色的影响因素作为影响因子引入函数，利用函数多次迭代参照实际结果进行修正，从而实现对服装流行色的预测。

常见服装流行色函数模型预测方法有以下几种。

一是BP神经网络模型分析法。BP神经网络模型在服装流行色的预测上具有很强的连续性、全面性和精准性。该法主要以历年发布的流行色卡为研究样本，利用CIELab色度测量法对色卡分析量化后，总结规律，依次按照依据、分析、判断、定案的流程，对已经量化总结出规律的色相L*、a*、b*进行归一处理；处理后的数据输入矩阵Yi=[Ai1Ai2Ai3…Aij]，Aij为量化后的服装流行色量化值；输出矩阵为Pi=[A(i-4)1A(i-3)2A(i-2)3…A(i-1)j]，调用MATLAB中的newff神经网络训练函数对数据进行训练迭代，从而实现服装流行色预测的目标。狄宏静[5]在历年流行色卡的基础上，利用BP神经网络函数构建了春夏女装流行色预测模型，获得了很好的预测效果，也为BP神经网络在服装流行色中的应用提供了借鉴，但其研究仍存在一定缺陷，即其所采用的突变非线性模拟不够精确、输入输出矩阵在量化数据参数一致性上尚未突破。

二是灰色系统理论预测模型。在研究历史数据较少的情况下，灰色理论预测模型是一种较好的预测方法，是运用灰色数列对服装流行色的色彩、色相倾向与意向分布量化后进行定量预测。李熠[6]根据服装流行色的特点，从生理、心理、文化、政治、经济、商业销售模式等方面入手，利用色彩分光仪器对历年PANTONETPX色卡进行量化，构建NCD色彩意象量表与L*、a*、b*色彩空间，从而构建了2000—2006年春夏女装灰色流行色预测模型，并利用该模型对2007年春秋服装的流行色进行预测，在多次修正后得到了较为精确的预测模型。常丽霞[7]细化了色彩量化的方法，以2007—2013年国际春夏女装流行色为样本，构建了非线性灰色流行色预测模型，分析不同时间片段内的预测精确度，并采用神经网络进行训练以校正精确度。吴也哲等[8]利用前馈神经网络模型对灰色流行色预测模型进行多次训练，不断修正，提高了预测速度与准确度。

三是其他函数预测模型。随着研究的深入，预测函数模型也在一定程度上得到修正与完善，如回归预测等。周琴[9]将影响服装流行色的科学技术、文化、经济、政治等因素进行信息分类后，建立饱和度、明度与色相等参数的量化指标，构建回归方程，并以1998—2004年女装秋冬流行色与男装春夏流行色为样本进行定性与定量的修正和预测，取得了很好的预测效果。该法的关键在于回归方程的构建与权重的分配。

2.3 主观判断分析法

主观判断分析法是指对特定地区、特定时间内由服装流行色专家根据市场、科学技术、文化背景、经济背景、政治背景等因素对服装可能流行的色彩进行预测，该法快捷，降低了预测的时间成本，但存在较大的主观性和偶然性。主观判断分析法主要是根据市场意见调查表进行预测，如特尔斐预测法，由美国兰德公司提出并给出了参考标准；另外一种则是组成预测专家团队，由专家团队根据其专业知识与市场情况对服装流行色进行预判。

3 云计算技术服装流行色预测模型设想

利用云计算技术对服装流行色指标进行量化，并构建模型预测流行趋势，可拓展现有的服装流行趋势预测体系中的理论，使基于大数据分类与统计基础上构建的预测方法更加精准，可操行性更强；同时还能整合现有的各种预测理论，使之成为一个完善的理论体系。本文在云计算技术的基础上设计服装流行色预测模型程序，其技术路线如图1所示。

图1 基于云计算技术的服装流行色量化与预测研究的技术路线图

4 结语

构建服装流行色模型预测流行趋势，不断完善服装流行色预测理论，提高预测精准度和可操行性，有利于高效、快速、准确地指导服装企业等相关从业单位的生产实践，有助于相关企业等从业单位将数据、设计、生产、产品、发布等零散的流程整合起来，缩短生产周期，树立品牌形象，增强市场影响力，提高经济效益。