基于大數(shù)據(jù)的家紡行業(yè)發(fā)展預(yù)測(cè)

王洛濤

[摘要]近幾十年來(lái)，信息技術(shù)有著跨越式的發(fā)展，家紡行業(yè)與互聯(lián)網(wǎng)等信息新技術(shù)的融合也不斷深入。這也直接導(dǎo)致了有關(guān)家紡行業(yè)、企業(yè)以及產(chǎn)品等不同層次的“信息”呈現(xiàn)爆炸性增長(zhǎng)，這些數(shù)據(jù)信息也具有復(fù)雜、多樣的特點(diǎn)。在利用這些數(shù)據(jù)做相關(guān)分析時(shí)，莊往存在難以處理大量、“關(guān)系復(fù)雜”數(shù)據(jù)的難題，使得由互聯(lián)網(wǎng)等信息新技術(shù)得到的數(shù)據(jù)無(wú)法快速、準(zhǔn)確的轉(zhuǎn)化為有用信息。為了有效解決上述難題，本文試圖構(gòu)建一種基于大數(shù)據(jù)分析的家紡行業(yè)發(fā)展預(yù)測(cè)定量研究。

[關(guān)鍵詞]大數(shù)據(jù)方法 家紡行業(yè) 發(fā)展預(yù)測(cè)

一、引言

隨著互聯(lián)網(wǎng)技術(shù)手段的不斷發(fā)展以及信息技術(shù)的廣泛普及，基于信息技術(shù)而產(chǎn)生的數(shù)據(jù)量，隨時(shí)間呈現(xiàn)指數(shù)增長(zhǎng)的態(tài)勢(shì)，這類(lèi)“爆炸性”的海量數(shù)據(jù)被學(xué)界稱(chēng)為大數(shù)據(jù)。大數(shù)據(jù)的主要5個(gè)特點(diǎn)可以用“5V”來(lái)表示，即Volume（數(shù)據(jù)規(guī)模大）、Variety（數(shù)據(jù)的種類(lèi)多樣）、Velocity（高速的數(shù)據(jù)）、Veracity（數(shù)據(jù)的真實(shí)性）以及Value（數(shù)據(jù)的價(jià)值）。也正式由于大數(shù)據(jù)具有上述五個(gè)特點(diǎn)，其在家紡行業(yè)的分析、預(yù)測(cè)中具有極大應(yīng)用前景，可以有效解決家紡行業(yè)定性分析、預(yù)測(cè)的不準(zhǔn)確性擠以及片面性。

本文首先利用大數(shù)據(jù)平臺(tái)處理家紡數(shù)據(jù)，進(jìn)而對(duì)預(yù)測(cè)對(duì)象的確定和量化，最后詳細(xì)介紹時(shí)間序列分解方法、回歸分析法、BP神經(jīng)網(wǎng)絡(luò)方法以及灰色系統(tǒng)方法，為大數(shù)據(jù)方法在家紡行業(yè)發(fā)展預(yù)測(cè)中的應(yīng)用提供了一定參考。

二、利用大數(shù)據(jù)平臺(tái)處理家紡數(shù)據(jù)

利用大數(shù)據(jù)平臺(tái)處理家紡數(shù)據(jù)主要分為以下幾個(gè)步驟：1、搭建Hadoop平臺(tái)；2、采用HDFS系統(tǒng)分級(jí)分層次存儲(chǔ)數(shù)據(jù)；3、利用Map Reduce架構(gòu)計(jì)算相關(guān)的“大數(shù)據(jù)”；4、將有用數(shù)據(jù)提取出來(lái)。其中，HDFS系統(tǒng)存儲(chǔ)數(shù)據(jù)以及數(shù)據(jù)的提取是主要難題。

HDFS的是Hadoop Distribute File System的縮寫(xiě)。它一種基于Hadoop的分布式文件系統(tǒng)。HDFS主要是通過(guò)網(wǎng)絡(luò)連接的方式，存儲(chǔ)并高速閱讀TB級(jí)別的文件。HDFS方法對(duì)文件的寫(xiě)操作一次性完成，可以多次讀出。其缺點(diǎn)也很明顯，即相關(guān)文件一旦“寫(xiě)”好以后就難以修改。一般來(lái)說(shuō)，家紡行業(yè)相關(guān)數(shù)據(jù)存儲(chǔ)的“橫坐標(biāo)”通常為時(shí)間（即流行趨勢(shì)），采用Map過(guò)程會(huì)從HDFS數(shù)據(jù)中獲取研究對(duì)象有關(guān)數(shù)據(jù)并進(jìn)行預(yù)處理，然后將其傳遞給系統(tǒng)預(yù)定的reduce函數(shù)進(jìn)行充分的計(jì)算以后，輸出與研究對(duì)象有關(guān)的結(jié)果。

三、預(yù)測(cè)對(duì)象的確定和量化

影響家紡流行的因素形形色色、多種多樣，比如家紡的色彩、各地風(fēng)俗以及款式設(shè)計(jì)等相關(guān)因素以及天氣等無(wú)關(guān)因素。前人的研究表明，色彩是家紡行業(yè)流行中最明顯的一個(gè)因素，一方面是因?yàn)榉椀瘸绷鲗?duì)家紡行業(yè)印象最直接的就是顏色，另一方面是因?yàn)橄M(fèi)者往往第一眼看到的就是顏色。為此，本文以色彩作為研究因素的代表。

關(guān)于家紡的顏色分類(lèi)，不同國(guó)家、不同研究機(jī)構(gòu)、不同廠家具有不同的分類(lèi)模式、方法。比如在市場(chǎng)所處的國(guó)家方面，美國(guó)、歐洲（主要是法國(guó)和意大利）、日本以及中國(guó)每年的流行顏色具有一定的差異，甚至同一國(guó)家不同地區(qū)在每年的流行色方面都具有一定的差異。比如基于CNCS色彩體系的流行色趨勢(shì)數(shù)據(jù)（中國(guó)發(fā)布）、基于PANTONE色彩體系的流行色趨勢(shì)數(shù)據(jù)（美國(guó)發(fā)布）等等。

為了更加全面、快速、有效的借助大數(shù)據(jù)方法定量分析家紡行業(yè)色彩趨勢(shì)，具體顏色分類(lèi)以及數(shù)據(jù)的選擇應(yīng)該根據(jù)研究的范圍來(lái)確定。比如，研究國(guó)內(nèi)的家紡行業(yè)色彩趨勢(shì)，就應(yīng)采用由中國(guó)發(fā)布的家紡流行顏色相關(guān)數(shù)據(jù)。

四、家紡流行趨勢(shì)預(yù)測(cè)模型

家紡流行趨勢(shì)預(yù)測(cè)模型的選擇和構(gòu)建，是借助大數(shù)據(jù)方法定量分析家紡行業(yè)色彩趨勢(shì)方法中的核心問(wèn)題。預(yù)測(cè)模型是否準(zhǔn)確、合理，直接關(guān)系到能否從海量數(shù)據(jù)中找到與研究問(wèn)題有關(guān)的數(shù)據(jù)信息。目前可以借鑒的方法主要有以下四種：時(shí)間序列分解方法、回歸分析法、BP神經(jīng)網(wǎng)絡(luò)方法以及灰色系統(tǒng)方法。本節(jié)將重點(diǎn)闡述四種方法的基本原理和優(yōu)缺點(diǎn)。

4.4時(shí)間序列分解方法

基于時(shí)間序列分解法的預(yù)測(cè)模型，主要是將可能的影響因素根據(jù)作用時(shí)間的長(zhǎng)短關(guān)系分成四大類(lèi)：短期因素、長(zhǎng)期因素，周期因素以及隨機(jī)因素。由于各因素之間的相互關(guān)系、相互作用復(fù)雜，于是該方法不考慮各個(gè)因素之間影響，重點(diǎn)研究每個(gè)因素和時(shí)間之間的單一作用關(guān)系。

4.2回歸分析法

回歸分析方法，主要對(duì)收集到的數(shù)據(jù)采用數(shù)學(xué)統(tǒng)計(jì)的方法建立不同變量之間的相互影響關(guān)系，進(jìn)而完成有關(guān)預(yù)測(cè)的。常用的數(shù)學(xué)回歸模型很多，比如直線方程、指數(shù)方程等。但是，回歸分析方法存在一個(gè)嚴(yán)重的弊端，就是需要提供的各因素的數(shù)據(jù)都是“有效數(shù)據(jù)”，而實(shí)際有關(guān)家紡色彩的海量數(shù)據(jù)絕大部分都是無(wú)效數(shù)據(jù)，即該方法的魯棒性差。

4.3 BP神經(jīng)網(wǎng)絡(luò)方法

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)法中的BP是“BackPropagation”的簡(jiǎn)稱(chēng)。BP神經(jīng)網(wǎng)絡(luò)法，與回歸分析方法截然想法，它可以在不確定各因素之間的相互作用關(guān)系的前提下，可以模擬人腦的思維，通過(guò)“學(xué)習(xí)”的方式獲得輸入量與輸出量之間的邏輯關(guān)系。BP神經(jīng)網(wǎng)絡(luò)的判斷方式是使網(wǎng)絡(luò)的誤差平方和最小來(lái)確定最有可能的相互作用關(guān)系。一般來(lái)說(shuō)，一個(gè)完整的BP體系應(yīng)該包括以下三個(gè)層次：輸入層、隱含層以及輸出層。BP方法有較高的容錯(cuò)能力，在部分“神經(jīng)元”出現(xiàn)錯(cuò)誤或者部分信息缺失時(shí)，仍然能進(jìn)行學(xué)習(xí)，推斷未來(lái)的趨勢(shì)并進(jìn)行判斷。但BP法也存在部分不足，主要表現(xiàn)為：1、計(jì)算時(shí)可能陷入局部最小化而無(wú)法尋找到全局最優(yōu)解；2、BP網(wǎng)絡(luò)結(jié)構(gòu)的選擇不同導(dǎo)致預(yù)測(cè)結(jié)果出現(xiàn)一定的差異；3、BP方法仍然存在一定程度的樣本依賴(lài)問(wèn)題。

4.4灰色系統(tǒng)方法

灰色預(yù)測(cè)法是用灰色系統(tǒng)模型對(duì)未知系統(tǒng)進(jìn)行的定量預(yù)測(cè)。運(yùn)用灰色預(yù)測(cè)法，首先要對(duì)比各影響因素之間變化發(fā)展的差異性，然后對(duì)原始數(shù)據(jù)進(jìn)行處理來(lái)發(fā)現(xiàn)變化規(guī)律，重新排列生成有新的數(shù)據(jù)序列，隨后建立相應(yīng)的微分方程模型，最終達(dá)到預(yù)測(cè)某研究因素隨時(shí)間的變化規(guī)律。與BP神經(jīng)網(wǎng)絡(luò)方法不同的是，灰色系統(tǒng)模型對(duì)收集到的數(shù)據(jù)的數(shù)量以及數(shù)據(jù)關(guān)系木有特殊要求。

五、結(jié)論

伴隨著信息技術(shù)的大發(fā)展，家紡行業(yè)與互聯(lián)網(wǎng)等信息新技術(shù)的融合也不斷深入。使得學(xué)者們有機(jī)會(huì)利用大數(shù)據(jù)來(lái)定量分析家紡行業(yè)發(fā)展預(yù)測(cè)，以避免傳統(tǒng)的定性預(yù)測(cè)方法預(yù)測(cè)結(jié)果不準(zhǔn)確、過(guò)于片面的難題。但是使用大數(shù)據(jù)來(lái)定量分析時(shí)，也有由互聯(lián)網(wǎng)等信息新技術(shù)得到的數(shù)據(jù)無(wú)法快速、準(zhǔn)確的轉(zhuǎn)化為有用信息的巨大困難。為了有效解決上述難題，本文試圖構(gòu)建一種基于大數(shù)據(jù)分析的家紡行業(yè)發(fā)展預(yù)測(cè)定量研究方法，首先利用大數(shù)據(jù)平臺(tái)處理家紡數(shù)據(jù)，進(jìn)而對(duì)預(yù)測(cè)對(duì)象的確定和量化，最后利用時(shí)間序列分解方法、回歸分析法、BP神經(jīng)網(wǎng)絡(luò)方法以及灰色系統(tǒng)方法等預(yù)測(cè)模型完成預(yù)測(cè)分。本文提供的思路，對(duì)大數(shù)據(jù)方法在家紡行業(yè)發(fā)展預(yù)測(cè)中的應(yīng)用提供了一些有益的思考，具有一定的參考價(jià)值。