聪明文档网

    聪明文档网

    最新最全的文档下载
    当前位置： 首页> 服装流行色变化趋势及突变分析

    服装流行色变化趋势及突变分析

    时间：2022-11-08 20:17:10    下载该word文档
    服装流行色变化趋势及突变分析周捷;李健【摘要】为探析服装流行色的变化趋势及突变情况,基于中国纺织信息中心发布的2000—2019年春夏流行色定案,采用线性趋势分析、滑动平均法和Mann-Kendall检验,探讨了流行色系统的分布规律及其作用机制.结果表明:1近20年来服装流行色呈非周期振荡现象,色相数据变化没有明显的总体上升或下降趋势,整体上是以暖色调为主、冷色为辅的春夏季节特色;2服装流行色系统存在大量的不连续及突变现象,但不同色相的突变点数量具有显著差异;3服装流行色系统并非是平稳渐变的,当内部和外部影响因素满足一定条件时,会发生色彩突变现象.该研究为认识服装流行色突变规律提供了理论支撑.【期刊名称】《丝绸》【年(卷,期】2019(056006【总页数】10页(P58-67【关键词】服装流行色;趋势分析;Mann-Kendall检验;突变分析;影响因素【作者】周捷;李健【作者单位】西安工程大学服装与艺术设计学院,西安710048;西安工程大学服装与
    艺术设计学院,西安710048【正文语种】中文【中图分类】TS941.13服装流行色系统是一个高度复杂的非线性系统，它是社会心理学的产物，其变化过程表现出突发性和不确定性[1-2]。深入剖析服装流行色的演变特征，不仅有助于认识和预测色彩流行规律，还可以解释服装流行色异常突变的复杂现象。近年来，学术界侧重于服装色彩量化方面的数学建模，提出了基本统计分析法[3-4]、回归分析[5]、灰色理论[6]、BP神经网络[7-8]等方法。这些研究成果为挖掘服装流行色规律提供了重要参考，但受时间序列较短的限制，目前对服装流行色变化趋势及突变情况的认识尚不明晰。更重要的是，服装流行色异常突变现象的作用机制及其实际应用研究值得进一步探讨。近年来，趋势分析在气候学、水文学等非正态分布研究领域受到了广泛关注[9-10]。鉴于服装流行色数据特点，可采用非参数法进行趋势检测。鉴于此，本文的研究目标是：1采用线性趋势分析法和滑动t检验分析流行色的长期变化趋势与分布特征，并利用Mann-Kendall检验法揭示不同类型色相的突变特性。2研究服装流行色系统的关键作用因子，探讨色彩突变的临界条件，这对正确认识服装流行色规律具有重要意义。1材料与方法1.1数据来源
    本文数据来源于中国纺织信息中心发布的2000—2019年春夏流行色定案，共采集712个CNCS色彩。1.2色彩量化色相是色彩的基本属性，在服装流行色定案信息传达中具有重要意义。本文以色相为研究对象，以HSV色彩体系[11]为量化依据，将色相环划分为5类基础色：红、黄、绿、蓝和紫色；5类中间色：黄红、黄绿、绿蓝、蓝紫和紫红色。各类色相对应区间见表1。表110类色相区间值Tab.1Tenkindsofhueintervalvalues1～1681～9617～3297～11233～48113～12849～64129～14465～80145～160根据下式计算不同年份各色相在定案中所占比值(计算结果保留两位小数点，结果见表2。(1式中：ni表示第i个区间中色相的个数;N为服装流行色定案中色相的总个数。表22000—2019年春夏流行色定案色相比值Tab.2Comparisonoffinalfashioncolorsinspringandsummerfrom2000to2019//%/%/%/%/%/%/%/%/%/%200013.7913.7924.1410.3410.340.006.906.903.4510.3420013.4513.7927.596.903.4513.796.906.903.4513.79200224.3912.2012.202.440.009.7614.6312.207.324.88200319.519.7612.209.760.0017.079.769.762.449.762
    00418.1812.1215.156.063.039.0912.126.063.0315.1520053.7025.9322.223.703.707.417.413.707.4114.8120063.1325.0018.7521.889.383.1312.503.130.003.13200720.008.578.578.570.008.5714.2917.142.8611.43200817.148.5725.712.860.0011.432.868.5717.145.71200911.7623.5320.595.880.0014.715.888.822.945.88201014.2914.2921.4310.7114.293.570.0010.713.577.14201115.6312.5021.886.250.009.3812.5015.630.006.25201217.867.1432.140.003.5710.7114.297.143.573.57201313.8919.4422.225.562.7811.115.5611.112.785.56201411.1119.4422.220.002.788.3311.1113.892.788.33201513.518.1113.518.110.005.412.7027.0310.8110.81201612.5016.6725.002.086.2510.424.1712.502.088.33201719.4411.1113.895.560.008.335.5622.222.788.33201810.0020.0015.002.505.007.507.5015.002.5012.50201922.5020.0015.0015.002.505.000.0010.005.002.501.3研究方法1.3.1线性趋势分析回归分析反映了因变量与自变量的相关关系[12]，本文采用线性趋势线拟合服装流行色数据。若斜率为正即为递增趋势，斜率为负则为递减趋势。1.3.2滑动平均法滑动平均法通过平均值逐项推移以使原序列光滑化，消除统计序列中的随机波动[13]。对于样本量为n的序列yt，其数学表达式为：
    (2式中：k为滑动长度；yt为序列在i+j-1时刻的滑动平均值。通常k为奇数，考虑到n=20为小样本，故本文取k=5，即滑动平均为5年(5a滑动平均。1.3.3Mann-Kendall检验Mann-Kendall方法是一种基于秩的非参数趋势检验方法，广泛应用于气候学和水文学中[14-15]。在检验服装流行色突变时，对于具有n个样本量的时间序列x，构造秩序列：(3式中：Sk是时刻i>j数值个数的累计数，且：(4定义统计量：(5式中：UF1=0；UFk为标准正态分布，给定显著性水平α，若|UFk|>Uα，则序列显著趋势变化；E(Sk和var(Sk分别为累计数Sk的均值和方差，在x1,x2,...xn相互独立，具有相同连续分布时，可由下式算出：
    (6(7按时间序列x逆序xn,xn-1,...x1再重复上述过程，同时使UBk=-UFk,k=n,n-1,...1,UB1=0。分析绘出UFk和UBk曲线图，若UFk或UBk>0，表示序列呈上升趋势；若UFk或UBk<0，表示序列呈下降趋势；若UFk或UBk超过临界直线时，表示序列上升或下降趋势显著；若UFk和BFk曲线相交，且交点在临界线之间，则相交点即为突变点。2结果与分析2.1趋势分析对2000—2019年服装流行色进行线性趋势分析和5a滑动平均检验，结果如图1所示。依据式(1并应用SPSS22.0软件统计色相比率，得到10类色相的统计特征(表3。分析可得：图12000—2019年10类色相比率变化趋势Fig.1Thechangingtrendoftentypesofhueratiosfrom2000to2019表32000—2019年服装流行色10类色相的统计特征Tab.3Statisticalcharacteristicsoftentypesofhueofclothingfashioncolorsfrom2000to201914.2896.01342.0808.7364.07246.60815.0985.82538.5797.8324.64259.26619.47
    16.07731.21211.4215.92951.9166.7085.22277.8454.2963.90890.9693.3544.023119.9588.4103.83445.5891线性趋势显示：20年间服装流行色色相变化增加-降低的波动性显著，整体上呈微弱下降趋势，但下降程度各异(蓝色>紫红色>黄绿色>绿蓝色>绿色>黄色>紫色，仅红、黄红和蓝紫色有增加趋势。在趋势减少的色相中，蓝色、紫红色和黄绿色的趋向率均大于0.1，说明这三类色相的下降趋势显著；而黄色、绿色、绿蓝色和紫色的趋向率较小，说明这四类色相相对稳定。相反，在趋势增加的色相中，蓝紫色的趋向率为0.552，远大于红色和黄红色的0.142和0.114，说明蓝紫色的上升趋势大于红色和黄红色。25a滑动平均显示：20年来服装流行色色相趋势变化不显著，没有明显的总体上升或下降趋势，而是呈波动状态。10类色相中，黄色、黄绿色、绿色、绿蓝色、蓝色、紫色和紫红色的5a滑动平均都呈缓慢减少的趋势，红色、黄红色和蓝紫色的5a滑动平均都呈缓慢增加的趋势，与整体变化趋势基本一致。3色相特征显示：①黄色均值最大，变异系数最小，即黄色含量最多，波动幅度最小；②红、黄红与蓝紫色的均值较大且数值接近，变异系数蓝紫色>红色>黄红色，即蓝紫色的离散程度大于红色和黄红色；③绿蓝色的均值较大，变异系数较小，即波动性较小；④黄绿、蓝、紫红和紫色的均值较小，4<均值<9，其中黄绿和紫色的变异系数大，紫红色的变异系数较小，即黄绿和紫色的离散程度显著，而紫红色不显著；⑤绿色均值最小，变异系数很大，即绿色含量最少，波动幅度最大，在定案中起点缀性作用。2.2突变分析
    在置信水平α=0.05的条件下，临界值Uα=±1.96[16]。服装流行色的Mann-Kendall趋势变化如图2所示。本文在趋势减少和趋势增加的色相中分别以蓝色和蓝紫色为例说明。由图2(g可知，2002—2008年UFk曲线大于0，即蓝色呈上升趋势；在2002年以前和2009年以后呈下降趋势，表明这一时期开始进入一个相对萎缩的时期；进入2010年以来，曲线有一个波动下降的趋势，即蓝色有一个由多到少的变化；在2000—2019年，UFk曲线和UBk曲线在±1.96临界值之间相交了4次，分别是2009、2010、2013年和2014年。由于UFk曲线未超过信度线，即蓝色可能在这些年份产生突变，但突变引起的趋势不显著。结合图1(g中蓝色的变化趋势，其相近年份色彩均发生了明显突变，故存在4个突变节点。图22000—2019年10类色相的Mann-Kendall统计量曲线Fig.2TheMann-Kendallstatisticcurveoftenkindsofhuefrom2000to2019由图2(h可知，蓝紫色呈波动上升趋势，2000—2005年色相比率显著上升，并超过α=0.05显著性水平，之后逐渐降低，并于2013年UFk值达到最低点；2005—2015年色彩变化趋势不显著，2015年以后又出现显著趋势；在2000—2019年，UFk曲线和UBk曲线在±1.96临界值之间相交了2次，分别是2010年和2012年。由于UFk曲线未超过信度线，即蓝紫色可能在这些年份产生突变，但突变引起的趋势不显著。为排除虚假突变点，结合图1(h蓝紫色的变化趋势，可知2010年变化幅度虽然较大，但其相近的年份色彩无明显突变，故只存在2012年一个突变节点。
    2000—2019年服装流行色的突变年份及变化趋势总结见表4。表410类色相的趋势变化及突变年份总结Tab.4Summaryoftrendchangeandabruptchangeyearsoftenkindsofhue2001、2002、2004、201220192001、2007、2014、20162003、200720062009、2010、2013、201420122002、2005、20082002、2018表4显示，仅红、黄红和蓝紫色在2000—2019年呈上升趋势，其余7类色相均呈下降趋势，这与图1中结论一致。10类色相中，除绿色未发生突变外，其余9类色相均存在1～4个不连续的突变点。突变年份通常集中在2001—2005年和2012—2014年，这可能与特定的社会背景形势有关。2.3聚类分析为深入分析服装流行色本身具有的社会与流行属性，从而构建准确的流行色预测模型，色彩生命周期是必须考虑的因素。对20年服装流行色定案进行K-means聚类，表5示出聚类数K依次为3～7类时的方差分析表。聚类结果显示，显著性水平Sig.值均小于0.005，表明五种聚类结果均可接受。比较来看，当K=3时，类间均方最大，F值较大，说明此时聚类结果最清晰。因此，本文将服装流行色聚为3类，包含样本数分别为6、7和7，这一结果与服装流行色的7年循环周期理论[17]较为接近。表5方差分析Tab.5AnovaanalysistableKFSig.(3295.7504.32469.4050.0004207.5002.65678.1180.0005157.5002.3336
    7.5000.0006127.5001.96464.9090.0007107.0831.73161.8700.0003讨论本文基于中国纺织信息中心发布的2000—2019年春夏流行色定案，采用线性趋势分析、滑动平均法和Mann-Kendall检验，系统阐述了近20年来服装流行色的变化趋势及突变情况。研究成果从实证角度分析了服装流行色定案特征，而理论层面研究涉及较少，突变规律的形成机理仍需进一步探讨。3.1基本假设通过图1及图2发现，服装流行色是由渐变-突变的复杂动态过程。尖点突变模型对非连续变化及跳跃现象具有良好的适用性，其原理见文献[18-19]，限于篇幅，在此不再赘述。本文针对服装流行色变化特点建立尖点突变模型，探析服装流行色突变现象的形成机理。服装流行色系统的影响因素众多，本文作如下基本假设：1服装流行色系统包括外部因素(政治、经济、文化等和内部因素(色彩生命周期等，将其看作模型的两个控制变量，分别记作α和β；2当α和β变动时，服装流行色系统P也会随之波动；3服装流行色系统是α与β综合作用的结果，变化过程并非连续，可能存在一个阈值以致色彩变异。3.2过程分析依据研究假设，由突变理论绘制服装流行色尖点突变模型(图3。如图3所示，服装
    流行色演变规律解释如下：1当(α,β处于平衡曲面的上半部分区域时，对应折叠着的三层曲面，P值不唯一，服装流行色有稳定、突变和不稳定三种状态；2沿路径A1-A2′-A3′-A4，A3′跳跃至点A3，沿路径A4-A3-A2-A1，A2′跳跃至点A2，均产生突变现象；3沿路径B1-B2，绕过尖点，未产生突变；4沿路径A1-A4，A2′未突变，而在A3′才跳跃至A3，体现服装流行色突变的滞后性；5沿路径A1-A4与A4-A1、B1-B2与B2-B1为2对可逆过程，体现服装流行色的周期性。图3服装流行色尖点突变模型Fig.3Abruptchangemodeloffashioncolorcusp3.3模型建立尖点突变模型以控制变量α、β和状态变量P进行描述，描述函数为：f(P=P4+αP2+βP。令f(P=0，并对两边同时求导，得到尖点突变模型平衡曲面方程的一般形式：4P3+2αP+β=0(8在实际应用中，根据式(8，建立服装流行色系统的平衡曲面函数为：(P-C3+α(P-C+β=0(9
    式中：C为常数，用来保证服装流行色系统P为非负值。当α取不同数值时，P与β的关系如图4所示，其中图4(a(b(c分别对应服装流行色系统的稳定、突变和不稳定状态。在图4(c中，对每一组确定的(α，β、P都有多值与之对应，这正是系统发生突变的集合区域。因此，本文重点研究α<0的情况。图4α取不同值时，P与β的关系Fig.4TherelationshipbetweenPandβatdifferentvaluesofα据卡尔丹公式，式(9的三个解分别为：P1=(10式(10中(11式(11中，判别式(12当Δ=0时，系统处于临界状态，此时联立式(10～(12得：
    (13由式(13，绘制P值的位置(图5。如图5所示，在α一定时，β由-∞经+∞时,P点路径为Pb-Pc-Pd，并在Pc点跳跃至Pd点，突变幅度为反之，β由+∞经-∞时，P点路径为Pd-Pa-Pb，并在Pa点跳跃至Pb点，突变幅度为图5各P值位置Fig.5PositionsofPvalues综上所述，可以发现：1当α≥0时，系统稳定。2当α<0时，系统处于不稳定状态。此时若时，系统突变；若时，系统稳定。3若系统突变，则突变幅度为即3.4模型应用基于上述分析，本文采用7级语义差异法[20]进行影响因素评价。参数α、β的值域为[-3，3]，负值代表不利因素，正值代表有利因素，绝对值越大则作用越强。表6列出参数α、β值的对应关系，从结果可知：1当α≥0，即外部因素正作用于流行趋势时，系统稳定；2当α<0，即外部因素负作用于流行趋势时，系统可能发生突变，也可能不发生突变。当且仅当内部因素也负作用于流行趋势，同时参数β满足条件时，系统才会发生突变。否则，系统仍将维持稳定。表6模型参数与服装流行色状态的对应关系Tab.6Correspondingrelationsbetweenmodelparametersandfashioncolorstateofclothing(α(β-3-2-10123-3-2-10123
    在实践中，应在专家市场调研量化分析的基础上，建立服装流行色影响因素的预警机制。服装流行色预测是一个涉及多领域、多学科的研究，内外部影响因素难以用传统方法量化处理，具有一定的感性和模糊性。而目前研究仍集中于数学模型的优化上，由于模型本身缺乏灵活性，无法基于市场调研对预测结果进行纠正。本文增加了专家感性认知的量化，也强调了流行色突变与实际定案的联系，更具市场指导性。但是，本文在影响因素权重判断上依赖专家意见，准确性在一定程度上取决于专家水平，研究还有待进一步深入。4结论通过对2000—2019年春夏流行色定案变化趋势和突变情况的分析，主要结论如下：1近20年来服装流行色呈现暖色调为主、冷色为辅的春夏季节特色。色相数据变化没有明显的总体上升或下降趋势，而是呈较大幅度的波动状态，传统数学方法不适用于服装流行色预测。2服装流行色系统存在大量的不连续及突变现象，不同色相的突变点数量具有显著差异。除红、黄和蓝色存在4个突变点，绿色未发生显著突变外，其余色相存在2～3个突变点。3服装流行色系统存在不变、渐变和突变的特征，当且仅当α<0，且β满足时，系统会发生突变，其突变幅度为在今后研究中，应加入专家市场调研量化分析，以建立服装流行色影响因素的预警机制。参考文献：
    【相关文献】[1]RENS,CHANHL,RAMP.Acomparativestudyonfashiondemandforecastingmodelswithmultiplesourcesofuncertainty[J].AnnalsofOperationsResearch,2017,257(1/2:1-21.[2]吴训信,招霞.流行色在丝绸产品设计中的运用：以紫色为例[J].丝绸,2015,52(7:70-75.WUXunxin,ZHAOXia.Applicationoffashioncolorinsilkproductdesign：casestudyofpurple[J].JournalofSilk,2015,52(7:70-75.[3]KOHY,LEEJ.Astudyofcolordifferencesinwomen’sready-to-wearcollectionsfromworldfashioncities:intensivestudyoftheFall/Winter2010collectionsfromNewYork,London,Milan,andParis[J].ColorResearch&Application,2013,38(6:463-468.[4]王晖晖,张星.时装流行色选择影响因素的调查研究[J].西安工程科技学院学报,2007,21(3:339-342.WANGHuihui,ZHANGXing.Survey&researchontheinfluencingfactorsoffashionabledresschoice[J].JournalofXi’anUniversityofEngineeringScienceandTechnology,2007,21(3:339-342.
    [5]周琴,吴志明,高卫东.用回归分析法预测服装流行色[J].丝绸,2005(2:35-37.ZHOUQin,WUZhiming,GAOWeidong.Forecastingfashioncolorofcostumebyregressionanalyticalmethod[J].JournalofSilk,2005(2:35-37.[6]LINJJ,SUNPT,CHENJR,etal.Applyinggraymodeltopredictingtrendoftextilefashioncolors[J].JournaloftheTextileInstituteProceedings&Abstracts,2010,101(4:360-368.[7]狄宏静,刘冬云,吴志明.基于BP神经网络的春夏女装流行色预测[J].纺织学报,2011,32(7:111-116.DIHongjing,LIUDongyun,WUZhiming.Forecastofwomen’sspring/summerfashioncolorbasedonBPneuralnetwork[J].JournalofTextileResearch,2011,32(7:111-116.[8]CHOITM,HUICL,NGSF,etal.Colortrendforecastingoffashionableproductswithveryfewhistoricaldata[J].IEEETransactionsonSystemsMan&CyberneticsPartC,2012,42(6:1003-1010.[9]WARRICKJA.Trendanalyseswithriversedimentratingcurves[J].HydrologicalProcesses,2015,29(6:936-949.[10]LIUDR,OMARH,LIOUCH,etal.Recommendingblogarticlesbasedon
    populareventtrendanalysis[J].InformationSciences,2015,305：302-319.[11]陶晨,段亚峰,印梅芬.基于HSV的服装色彩特征数量化方法研究[J].丝绸,2015,52(6:22-26.TAOChen,DUANYafeng,YINMeifen.ResearchonHSVbasedonquantificationofapparelcolorfeatures[J].JournalofSilk,2015,52(6:22-26.[12]刘先锋,陈美玉,庄浩.多元线性回归模型下间隔织物的回弹性能[J].西安工程大学学报,2016,30(1:9-15.LIUXianfeng,CHENMeiyu,ZHUANGHao.Theresilienceofspacerfabricbasedonmultiplelinearregressionmodel[J].JournalofXi’anPolytechnicUniversity,2016,30(1:9-15.[13]尚云艳,郭鹏江,夏志明.线性模型的在线检测[J].纺织高校基础科学学报,2012,25(3:351-353.SHANGYunyan,GUOPengjiang,XIAZhiming.Onlinemonitoringofthelinearprofile[J].BasicSciencesJournalofTextileUniversities,2012,25(3:351-353.[14]MANNHB.Nonparametrictestsagainsttrend[J].Econometrica,1945,13(3:245-259.
    [15]XUM,KANGS,WUH,etal.Detectionofspatio-temporalvariabilityofairtemperatureandprecipitationbasedonlong-termmeteorologicalstationobservationsoverTianshanMountains,CentralAsia[J].AtmosphericResearch,2017,203：141-163.[16]WANGH,PANY,CHENY,etal.LineartrendandabruptchangesofclimateindicesinthearidregionofnorthwesternChina[J].AtmosphericResearch,2017,196：108-118.[17]淹本孝雄,藤漦英昭.色彩心理学[M].北京:科学技术文献出版社,1989:82-83.TAKIMOTOYoshio,FUJIZAWAEishou.ColorPsychology[M].Beijing:ScienceandTechnologyLiteraturePress,1989:82-83.[18]邱卫,杨英杰.基于尖点突变模型的联动网络流量异常检测方法[J].计算机科学,2016,43(3:163-166.QIUWei,YANGYingjie.Interactionnetworktrafficanomalydetectionmethodbasedoncuspcatastrophicmodel[J].ComputerScience,2016,43(3:163-166.[19]沈敏敏,陈雁.流行色的服装穿着心理尖点模型研究[J].丝绸,2009(5:42-44.SHENMinmin,CHENYan.Analysisonwearingpsychologyoffashioncolorbasedoncuspcatastrophemodel[J].JournalofSilk,2009(5:42-44.
    [20]刘咏梅,孙丹,鲁虹.基于感性工学的女性着装形象气质指标的综合评价[J].丝绸,2018,55(7:56-63.LIUYongmei,SUNDan,LUHong.Comprehensiveevaluationofwomen’sdressingimagetemperamentindexbasedonsensoryengineering[J].JournalofSilk,2018,55(7:56-63.

    免费下载 Word文档免费下载： 服装流行色变化趋势及突变分析

    TOP热门搜索

    相关推荐：

    幼儿园父亲节方案

    • ￥29.8

      ￥45 每天只需1.0元
      1个月 推荐

    • ￥9.9

      ￥15
      1天

    • ￥59.8

      ￥90
      3个月

    选择支付方式

    • 微信付款
    会员须知 联系在线客服 登录账号
    郑重提醒：支付后，系统自动为您完成注册

    请使用微信扫码支付(元)

    订单号：
    支付后，系统自动为您完成注册
    遇到问题请联系 在线客服

    常用手机号：
    用于找回密码
    图片验证码：
    看不清？点击更换
    短信验证码：
    新密码：
     
    绑定后可用手机号登录
    请不要关闭本页面，支付完成后请点击【支付完成】按钮
    遇到问题请联系 在线客服

    侵权投诉  © 2013-2019 http://www.tcm999.cn   站点地图 |  手机版

    本站文档均来自互联网及网友上传分享，本站只负责收集和整理，有任何问题可通过上访投诉通道进行反馈