服裝流行色變化趨勢及突變分析

周捷 李健

摘要： 為探析服裝流行色的變化趨勢及突變情況，基于中國紡織信息中心發布的2000—2019年春夏流行色定案，采用線性趨勢分析、滑動平均法和Mann-Kendall檢驗，探討了流行色系統的分布規律及其作用機制。結果表明：1）近20年來服裝流行色呈非周期振蕩現象，色相數據變化沒有明顯的總體上升或下降趨勢，整體上是以暖色調為主、冷色為輔的春夏季節特色;2）服裝流行色系統存在大量的不連續及突變現象，但不同色相的突變點數量具有顯著差異;3）服裝流行色系統并非是平穩漸變的，當內部和外部影響因素滿足一定條件時，會發生色彩突變現象。該研究為認識服裝流行色突變規律提供了理論支撐。

關鍵詞： 服裝流行色;趨勢分析;Mann-Kendall檢驗;突變分析;影響因素

中圖分類號： TS941.13 ? 文獻標志碼： A ? 文章編號： 1001-7003（2019）06-0058-10 ? 引用頁碼： 061201

Abstract： In order to explore the changing trend and abrupt change of fashion color， based on the spring and summer fashion color decision issued by China Textile Information Center from 2000 to 2019， the distribution law and mechanism of fashion color system were discussed by linear trend analysis， sliding average method and Mann-Kendall test. The results show that： 1） in the past 20 years， fashion colors of clothing have shown a non-periodic oscillation phenomenon， and there has been no obvious overall upward or downward trend in the change of hue data. On the whole， the color characteristics of spring and summer are mainly warm tones， supplemented by cold colors. 2） There are a lot of discontinuities and abrupt change phenomena in fashion color system， but the number of mutational sites in different color phases is significantly different. 3） Fashion color system does not change steadily. When internal and external factors meet certain conditions， abrupt color change will occur. This study provides theoretical support for understanding the abrupt change law of fashion color.

Key words： fashion color; trend analysis; Mann-Kendall test; abrupt change analysis; influencing factors

服裝流行色系統是一個高度復雜的非線性系統，它是社會心理學的產物，其變化過程表現出突發性和不確定性[1-2]。深入剖析服裝流行色的演變特征，不僅有助于認識和預測色彩流行規律，還可以解釋服裝流行色異常突變的復雜現象。近年來，學術界側重于服裝色彩量化方面的數學建模，提出了基本統計分析法[3-4]、回歸分析[5]、灰色理論[6]、BP神經網絡[7-8]等方法。這些研究成果為挖掘服裝流行色規律提供了重要參考，但受時間序列較短的限制，目前對服裝流行色變化趨勢及突變情況的認識尚不明晰。更重要的是，服裝流行色異常突變現象的作用機制及其實際應用研究值得進一步探討。

近年來，趨勢分析在氣候學、水文學等非正態分布研究領域受到了廣泛關注[9-10]。鑒于服裝流行色數據特點，可采用非參數法進行趨勢檢測。鑒于此，本文的研究目標是：1）采用線性趨勢分析法和滑動t檢驗分析流行色的長期變化趨勢與分布特征，并利用Mann-Kendall檢驗法揭示不同類型色相的突變特性。2）研究服裝流行色系統的關鍵作用因子，探討色彩突變的臨界條件，這對正確認識服裝流行色規律具有重要意義。

1 材料與方法

1.1 數據來源

本文數據來源于中國紡織信息中心發布的2000—2019年春夏流行色定案，共采集712個CNCS色彩。

1.2 色彩量化

色相是色彩的基本屬性，在服裝流行色定案信息傳達中具有重要意義。本文以色相為研究對象，以HSV色彩體系[11]為量化依據，將色相環劃分為5類基礎色：紅、黃、綠、藍和紫色;5類中間色：黃紅、黃綠、綠藍、藍紫和紫紅色。各類色相對應區間見表1。

按時間序列x逆序xn，xn-1，...x1再重復上述過程，同時使UBk=-UFk，k=n，n-1，...1，UB1=0。分析繪出UFk和UBk曲線圖，若UFk或UBk>0，表示序列呈上升趨勢;若UFk或UBk<0，表示序列呈下降趨勢;若UFk或UBk超過臨界直線時，表示序列上升或下降趨勢顯著;若UFk和BFk曲線相交，且交點在臨界線之間，則相交點即為突變點。

2 結果與分析

2.1 趨勢分析

對2000—2019年服裝流行色進行線性趨勢分析和5a滑動平均檢驗，結果如圖1所示。依據式（1）并應用SPSS 22.0軟件統計色相比率，得到10類色相的統計特征（表3）。分析可得：

1）線性趨勢顯示：20年間服裝流行色色相變化增加-降低的波動性顯著，整體上呈微弱下降趨勢，但下降程度各異（藍色>紫紅色>黃綠色>綠藍色>綠色>黃色>紫色），僅紅、黃紅和藍紫色有增加趨勢。在趨勢減少的色相中，藍色、紫紅色和黃綠色的趨向率均大于0.1，說明這三類色相的下降趨勢顯著;而黃色、綠色、綠藍色和紫色的趨向率較小，說明這四類色相相對穩定。相反，在趨勢增加的色相中，藍紫色的趨向率為0.552，遠大于紅色和黃紅色的0142和0114，說明藍紫色的上升趨勢大于紅色和黃紅色。

2）5a滑動平均顯示：20年來服裝流行色色相趨勢變化不顯著，沒有明顯的總體上升或下降趨勢，而是呈波動狀態。10類色相中，黃色、黃綠色、綠色、綠藍色、藍色、紫色和紫紅色的5a滑動平均都呈緩慢減少的趨勢，紅色、黃紅色和藍紫色的5a滑動平均都呈緩慢增加的趨勢，與整體變化趨勢基本一致。

3）色相特征顯示：①黃色均值最大，變異系數最小，即黃色含量最多，波動幅度最小;②紅、黃紅與藍紫色的均值較大且數值接近，變異系數藍紫色>紅色>黃紅色，即藍紫色的離散程度大于紅色和黃紅色;③綠藍色的均值較大，變異系數較小，即波動性較小;④黃綠、藍、紫紅和紫色的均值較小，4<均值<9，其中黃綠和紫色的變異系數大，紫紅色的變異系數較小，即黃綠和紫色的離散程度顯著，而紫紅色不顯著;⑤綠色均值最小，變異系數很大，即綠色含量最少，波動幅度最大，在定案中起點綴性作用。

2.2 突變分析

在置信水平α=0.05的條件下，臨界值Uα=±1.96[16]。服裝流行色的Mann-Kendall趨勢變化如圖2所示。本文在趨勢減少和趨勢增加的色相中分別以藍色和藍紫色為例說明。

由圖2（g）可知，2002—2008年UFk曲線大于0，即藍色呈上升趨勢;在2002年以前和2009年以后呈下降趨勢，表明這一時期開始進入一個相對萎縮的時期;進入2010年以來，曲線有一個波動下降的趨勢，即藍色有一個由多到少的變化;在2000—2019年，UFk曲線和UBk曲線在±1.96臨界值之間相交了4次，分別是2009、2010、2013年和2014年。由于UFk曲線未超過信度線，即藍色可能在這些年份產生突變，但突變引起的趨勢不顯著。結合圖1（g）中藍色的變化趨勢，其相近年份色彩均發生了明顯突變，故存在4個突變節點。

由圖2（h）可知，藍紫色呈波動上升趨勢，2000—2005年色相比率顯著上升，并超過α=0.05顯著性水平，之后逐漸降低，并于2013年UFk值達到最低點;2005—2015年色彩變化趨勢不顯著，2015年以后又出現顯著趨勢;在2000—2019年，UFk曲線和UBk曲線在±1.96臨界值之間相交了2次，分別是2010年和2012年。由于UFk曲線未超過信度線，即藍紫色可能在這些年份產生突變，但突變引起的趨勢不顯著。為排除虛假突變點，結合圖1（h）藍紫色的變化趨勢，可知2010年變化幅度雖然較大，但其相近的年份色彩無明顯突變，故只存在2012年一個突變節點。

2000—2019年服裝流行色的突變年份及變化趨勢總結見表4。

表4顯示，僅紅、黃紅和藍紫色在2000—2019年呈上升趨勢，其余7類色相均呈下降趨勢，這與圖1中結論一致。10類色相中，除綠色未發生突變外，其余9類色相均存在1～4個不連續的突變點。突變年份通常集中在2001—2005年和2012—2014年，這可能與特定的社會背景形勢有關。

2.3 聚類分析

為深入分析服裝流行色本身具有的社會與流行屬性，從而構建準確的流行色預測模型，色彩生命周期是必須考慮的因素。對20年服裝流行色定案進行K-means聚類，表5示出聚類數K依次為3～7類時的方差分析表。聚類結果顯示，顯著性水平Sig.值均小于0.005，表明五種聚類結果均可接受。比較來看，當K=3時，類間均方最大，F值較大，說明此時聚類結果最清晰。因此，本文將服裝流行色聚為3類，包含樣本數分別為6、7和7，這一結果與服裝流行色的7年循環周期理論[17]較為接近。

3 討 論

本文基于中國紡織信息中心發布的2000—2019年春夏流行色定案，采用線性趨勢分析、滑動平均法和Mann-Kendall檢驗，系統闡述了近20年來服裝流行色的變化趨勢及突變情況。研究成果從實證角度分析了服裝流行色定案特征，而理論層面研究涉及較少，突變規律的形成機理仍需進一步探討。

3.1 基本假設

通過圖1及圖2發現，服裝流行色是由漸變-突變的復雜動態過程。尖點突變模型對非連續變化及跳躍現象具有良好的適用性，其原理見文獻[18-19]，限于篇幅，在此不再贅述。本文針對服裝流行色變化特點建立尖點突變模型，探析服裝流行色突變現象的形成機理。

服裝流行色系統的影響因素眾多，本文作如下基本假設：1）服裝流行色系統包括外部因素（政治、經濟、文化等）和內部因素（色彩生命周期等），將其看作模型的兩個控制變量，分別記作α和β;2）當α和β變動時，服裝流行色系統P也會隨之波動;3）服裝流行色系統是α與β綜合作用的結果，變化過程并非連續，可能存在一個閾值以致色彩變異。

3.2 過程分析

依據研究假設，由突變理論繪制服裝流行色尖點突變模型（圖3）。如圖3所示，服裝流行色演變規律解釋如下：1）當（α，β）處于平衡曲面的上半部分區域時，對應折疊著的三層曲面，P值不唯一，服裝流行色有穩定、突變和不穩定三種狀態;2）沿路徑A1-A2′-A3′-A4，A3′跳躍至點A3，沿路徑A4-A3-A2-A1，A2′跳躍至點A2，均產生突變現象;3）沿路徑B1-B2，繞過尖點，未產生突變;4）沿路徑A1-A4，A2′未突變，而在A3′才跳躍至A3，體現服裝流行色突變的滯后性;5）沿路徑A1-A4與A4-A1、B1-B2與B2-B1為2對可逆過程，體現服裝流行色的周期性。

在實踐中，應在專家市場調研量化分析的基礎上，建立服裝流行色影響因素的預警機制。服裝流行色預測是一個涉及多領域、多學科的研究，內外部影響因素難以用傳統方法量化處理，具有一定的感性和模糊性。而目前研究仍集中于數學模型的優化上，由于模型本身缺乏靈活性，無法基于市場調研對預測結果進行糾正。本文增加了專家感性認知的量化，也強調了流行色突變與實際定案的聯系，更具市場指導性。但是，本文在影響因素權重判斷上依賴專家意見，準確性在一定程度上取決于專家水平，研究還有待進一步深入。

4 結 論

通過對2000—2019年春夏流行色定案變化趨勢和突變情況的分析，主要結論如下：

1）近20年來服裝流行色呈現暖色調為主、冷色為輔的春夏季節特色。色相數據變化沒有明顯的總體上升或下降趨勢，而是呈較大幅度的波動狀態，傳統數學方法不適用于服裝流行色預測。

2）服裝流行色系統存在大量的不連續及突變現象，不同色相的突變點數量具有顯著差異。除紅、黃和藍色存在4個突變點，綠色未發生顯著突變外，其余色相存在2～3個突變點。

3）服裝流行色系統存在不變、漸變和突變的特征，當且僅當α<0，且β滿足β∈--4α327，-4α327時，系統會發生突變，其突變幅度為3-α3。在今后研究中，應加入專家市場調研量化分析，以建立服裝流行色影響因素的預警機制。

參考文獻：

[1]REN S， CHAN HL， RAM P. A comparative study on fashion demand forecasting models with multiple sources of uncertainty [J]. Annals of Operations Research， 2017， 257（1/2）： 1-21.

[2]吳訓信， 招霞. 流行色在絲綢產品設計中的運用：以紫色為例[J]. 絲綢， 2015， 52（7）： 70-75.

WU Xunxin， ZHAO Xia. Application of fashion color in silk product design：case study of purple [J]. Journal of Silk， 2015， 52 （7）： 70-75.

[3]KOH Y， LEE J. A study of color differences in womens ready-to-wear collections from world fashion cities： intensive study of the Fall/Winter 2010 collections from New York， London， Milan， and Paris [J]. Color Research & Application， 2013， 38（6）： 463-468.

[4]王暉暉， 張星. 時裝流行色選擇影響因素的調查研究[J]. 西安工程科技學院學報， 2007， 21（3）： 339-342.

WANG Huihui， ZHANG Xing. Survey & research on the influencing factors of fashionable dress choice [J]. Journal of Xian University of Engineering Science and Technology， 2007， 21（3）： 339-342.

[5]周琴， 吳志明， 高衛東. 用回歸分析法預測服裝流行色[J]. 絲綢， 2005（2）： 35-37.

ZHOU Qin， WU Zhiming， GAO Weidong. Forecasting fashion color of costume by regression analytical method [J]. Journal of Silk， 2005（2）： 35-37.

[6]LIN J J， SUN P T， CHEN J R， et al. Applying gray model to predicting trend of textile fashion colors [J]. Journal of the Textile Institute Proceedings & Abstracts， 2010， 101（4）： 360-368.

[7]狄宏靜， 劉冬云， 吳志明. 基于BP神經網絡的春夏女裝流行色預測[J]. 紡織學報， 2011， 32（7）： 111-116.

DI Hongjing， LIU Dongyun， WU Zhiming. Forecast of womens spring/summer fashion color based on BP neural network [J]. Journal of Textile Research， 2011， 32（7）： 111-116.

[8]CHOI T M， HUI C L， NG S F， et al. Color trend forecasting of fashionable products with very few historical data [J]. IEEE Transactions on Systems Man & Cybernetics Part C， 2012， 42（6）： 1003-1010.

[9]WARRICK J A. Trend analyses with river sediment rating curves [J]. Hydrological Processes， 2015， 29（6）： 936-949.

[10]LIU D R， OMAR H， LIOU C H， et al. Recommending blog articles based on popular event trend analysis [J]. Information Sciences， 2015， 305：302-319.

[11]陶晨， 段亞峰， 印梅芬. 基于HSV的服裝色彩特征數量化方法研究[J]. 絲綢， 2015， 52（6）： 22-26.

TAO Chen， DUAN Yafeng， YIN Meifen. Research on HSV based on quantification of apparel color features [J]. Journal of Silk， 2015， 52（6）： 22-26.

[12]劉先鋒， 陳美玉， 莊浩. 多元線性回歸模型下間隔織物的回彈性能[J]. 西安工程大學學報， 2016， 30（1）： 9-15.

LIU Xianfeng， CHEN Meiyu， ZHUANG Hao. The resilience of spacer fabric based on multiple linear regression model [J]. Journal of Xian Polytechnic University， 2016， 30（1）： 9-15.

[13]尚云艷， 郭鵬江， 夏志明. 線性模型的在線檢測[J]. 紡織高校基礎科學學報， 2012， 25（3）： 351-353.

SHANG Yunyan， GUO Pengjiang， XIA Zhiming. On line monitoring of the linear profile [J]. Basic Sciences Journal of Textile Universities， 2012， 25（3）： 351-353.

[14]MANN H B. Nonparametric tests against trend[J]. Econometrica， 1945， 13（3）： 245-259.

[15]XU M， KANG S， WU H， et al. Detection of spatio-temporal variability of air temperature and precipitation based on long-term meteorological station observations over Tianshan Mountains， Central Asia [J]. Atmospheric Research， 2017， 203：141-163.

[16]WANG H， PAN Y， CHEN Y， et al. Linear trend and abrupt changes of climate indices in the arid region of northwestern China [J]. Atmospheric Research， 2017， 196：108-118.

[17]淹本孝雄， 藤漦英昭. 色彩心理學[M]. 北京： 科學技術文獻出版社， 1989： 82-83.

TAKIMOTO Yoshio， FUJIZAWA Eishou. Color Psychology [M]. Beijing： Science and Technology Literature Press， 1989： 82-83.

[18]邱衛， 楊英杰. 基于尖點突變模型的聯動網絡流量異常檢測方法[J]. 計算機科學， 2016， 43（3）： 163-166.

QIU Wei， YANG Yingjie. Interaction network traffic anomaly detection method based on cusp catastrophic model [J]. Computer Science， 2016， 43（3）： 163-166.

[19]沈敏敏， 陳雁. 流行色的服裝穿著心理尖點模型研究[J]. 絲綢， 2009（5）： 42-44.

SHEN Minmin， CHEN Yan. Analysis on wearing psychology of fashion color based on cusp catastrophe model [J]. Journal of Silk， 2009（5）： 42-44.

[20]劉詠梅， 孫丹， 魯虹. 基于感性工學的女性著裝形象氣質指標的綜合評價[J]. 絲綢， 2018， 55（7）： 56-63.

LIU Yongmei， SUN Dan， LU Hong. Comprehensive evaluation of womens dressing image temperament index based on sensory engineering [J]. Journal of Silk， 2018， 55（7）： 56-63.