服裝流行色的季節差異及關聯性研究

周捷 毛倩 李健

摘要： 為揭示服裝流行色的季節差異及其變化規律，以2012—2019年中國服裝流行色定案為研究對象，依據中國色彩標準體系（CNCS）對色彩進行量化，采用統計分析與灰色關聯分析，探究季節服裝流行色的波動規律與色彩特征。結果表明：服裝流行色呈現一定的季節差異，不同色彩存在不同的季節模式，即春夏以高明度、高純度和暖色系為主，秋冬則會增大低/中明度、低/中純度和冷色系色彩的使用比例;秋冬服裝流行色會受到春夏流行色的影響，但不同色彩的關聯度存在差異;秋冬服裝流行色的波動較大，春夏服裝流行色的波動則比較平緩。

關鍵詞： 服裝流行色;季節差異;統計分析;灰色關聯分析;關聯性

Abstract： In order to reveal the seasonal differences and changing rules of fashion colours，the study took the fashion colours of China in 2012-2019 as the research object. Chinese colour standard system（CNCS） was used to quantify colours. This paper explored the fluctuations and colorific features of seasonal fashion colours with statistical analysis and grey correlation analysis. The results show that fashion colours have certain seasonal difference，and different colours have different seasonal patterns. In other words，the warm colours with high lightness and purity are the main colours of spring and summer. However，fashion colours in autumn and winter may increase the cool colour with low/medium lightness and low/medium purity. Fashion colours in autumn and winter are influenced by those in spring and summer，but the correlation degree of various colours differs. The fluctuation of fashion colours in autumn and winter are larger than that in spring and summer.

Key words： fashion colours; seasonal difference; statistical analysis; grey correlation analysis; relevance

服裝流行色是在一定時間內，反映時尚趨勢及大眾喜好的顏色，對服裝設計與服飾產品營銷影響較大[1]。受諸多因素的影響，流行色呈現出明顯的季節性與不確定性[2]。在服裝銷售過程中，商家依據流行色的變化規律，可以有效調節上貨波段和實際銷售時點[3]。為此，許多學者開始研究流行色的預測方法[4-6]，提出了灰色模型[7]、BP神經網絡[8]、蜂群演化算法[9]、可持續預測系統[10]和大數據分析[11]等流行色量化預測方法。但這些定量方法的預測值與實際值均存在一定的誤差。

受內部和外部因素的雙重影響，春夏與秋冬服裝流行色之間也有雙重關系，即差異性與關聯性[12]。探究季節與服裝流行色之間的關聯，可以為流行色預測提供科學依據。灰色關聯分析是一個對系統發展變化態勢進行定量描述和比較的方法，其不僅具有高效性，且不受樣本數量的限制[13]。

鑒于此，本文運用統計分析結合灰色關聯分析，揭示色相、純度、明度在春夏與秋冬季節流行色中的變化特征及其關聯性，以期提高人們對服裝流行色演變的認知，為色彩預測提供科學依據。

1 樣本與研究方法

1.1 樣本來源

以中國紡織信息中心發布的2012—2019年春夏/秋冬流行色定案為研究對象，該定案是中國紡織信息中心對服裝季節流行色的定性研究與定量分析。收集每季流行色的中國色彩標準體系（CNCS）色彩編號，共得到602個樣本。

1.2 樣本量化與分類

CNCS色彩體系是中國流行色協會指定的色彩應用標準，本文采用該色彩體系作為色彩量化依據。根據相關色彩理論[14-15]，將色相、明度及純度進行區間劃分，色相劃分見表1，明度和純度劃分見文獻[16]。

1.3 研究方法

為了能更好地研究服裝流行色的變化特征，以及其與季節要素的關聯性，結合統計分析與灰色關聯分析，本文對流行色進行定量研究。具體方法為：計算2012—2019年（以下簡稱8年）服裝流行色色相、純度、明度的占比，公式如下：

先對流行色占比數據進行統計特征分析，比較春夏與秋冬流行色變化規律的差異性;然后運用灰色關聯分析模型彌補統計分析在數據處理上的不足，得到春夏與秋冬流行色的關聯性;最后驗證關聯性的正確性并采用擬合模型對春夏與秋冬流行色進行擬合，以檢驗擬合數據的準確性。

2 結果與分析

2.1 統計分析

為研究流行色在不同季節的差異性，根據各色相在每年定案中所占比值，繪制出8年的春夏與秋冬色相統計特征，如圖1所示;為比較春夏、秋冬流行色的波動情況，計算8年流行色色相占比的均值與標準差，見表2;計算流行色純度、明度在春夏與秋冬的占比差值和平均絕對誤差差值，如圖2所示，從而比較色彩純度、明度在不同季節的變化特征。

2.1.1 流行色色相的變化特征與季節要素的關聯性

結合圖1與表2可知，對于春夏流行色，黃色的占比均值最大，綠色的占比均值最小并出現隔斷現象。暖色系色彩黃、黃紅、紅、紫紅、黃綠中，黃紅與紅色的占比均值僅次于黃色，黃綠的占比均值最小。關于冷色系色彩藍色與藍紫，藍紫的占比均值較大。中性色彩紫色、綠色、綠藍中，綠色占比均值最小，綠藍占比均值最大。暖色（62.55%）總體平均使用比例大于冷色（21.22%）與中性色（16.23%）。

秋冬流行色中，紅色占比均值最高，綠色占比均值最小。在冷色系中，藍紫占比均值最高;中性色中，綠色占比均值最小并出現較長時間的隔斷，綠藍占比均值最大，但也出現過隔斷;暖色系中黃綠占比均值最小并出現隔斷，說明綠色、綠藍與黃綠始終未成為秋冬的主流色。暖色（65.94%）總體平均使用比例遠遠高于冷色（20.45%）與中性色（13.62%）。

比較春夏與秋冬十類色相的均值特征，暖色系始終占據主導地位，但各種暖色色相的運用具有差異性，由于中國傳統文化的影響[17-18]，黃色與紅色運用偏多，冷色與中性色的運用規律則較為相似。與春夏流行色相比，綠色、黃色、綠藍、藍紫的占比均值在秋冬明顯減少;紅色、藍色、黃紅的占比均值在秋冬大幅增加;黃綠、紫色、紫紅變化較小，說明這三種色彩受季節的影響較小。

春夏和秋冬流行色色相占比標準差都出現雙峰分布，最高峰分別為黃色和黃紅，次高峰分別為藍紫和藍色，說明這些色相波動最大。上述兩組色彩屬于一暖一冷色相，為互補色，體現出了補色色相配色原理的運用，這說明流行色定案也會受色相配色的影響并強調色彩的對比與融合。綠色為春夏與秋冬色相占比標準差的最低峰，表明綠色的波動始終最小，這是因為綠色的使用比例一直都較低，這與中國人的膚色有關[19-20];春夏流行色中，黃色、黃綠、藍紫的波動大于秋冬，紅色的波動程度與秋冬相似，其余6類色相的波動都低于秋冬。秋冬流行色色相的波動程度總體上大于春夏，這可能與近年來秋冬流行色呈現混搭的風格有關，人們希望在秋冬運用鮮明的色彩帶來生機感，并滿足個性化的心理需求，因此越來越多的春夏色彩被運用到秋冬。

2.1.2 流行色純度、明度的變化特征與季節要素的關聯性

為比較春夏與秋冬流行色的純度、明度特征，先計算流行色在不同季節的占比差值（春夏—秋冬），將其繪制成箱體圖

并計算其均值，再計算流行色的平均絕對誤差差值（春夏—秋冬）。

由圖2可知，秋冬流行色中，低純度、中純度、低明度、中明度色彩的使用比例高于春夏，高純度色彩的使用比例則低于春夏，這符合春夏艷麗、秋冬暗沉的季節特征。關于純度的平均絕對誤差，秋冬流行色的三類純度區間都高于春夏流行色，其中低純度、高純度色彩在兩個季節中相差較大，中純度色彩相差較小;就明度的平均絕對誤差而言，秋冬低明度色彩較大幅度高于春夏，秋冬中明度色彩略高于春夏，春夏高明度色彩略高于秋冬。這表明秋冬流行色的純度、明度分布離散程度高于春夏，這與前面分析的秋冬流行色色相呈現混搭的風格一致，色彩的運用呈現出流動性與融合。

2.2 灰色關聯分析

建立灰色關聯模型，通過計算每年春夏/秋冬流行色與年流行色（一年的流行色總量）之間的關聯度，來揭示流行色的季節特征;為探究流行色在春夏與秋冬之間的變化幅度，建立了春夏流行色與秋冬流行色之間的灰色關聯模型，計算其關聯度并做出分析。

2.2.1 季節流行色與年流行色

以紅色為例，建立灰色關聯模型：

1）構建序列矩陣。用X0表示8年流行色中紅色占比，X1表示8年春夏流行色中紅色占比，X2表示8年秋冬流行色中紅色占比。這三個序列構成一個矩陣：

2）對序列矩陣進行無量綱化。無量綱化采用公式：

3）求差序列、最大差和最小差。

4）計算關聯系數。

5）計算關聯度。

6）比較關聯度。關聯度越大，則表示比較序列對參考序列貢獻率越大[21]。結果表示春夏紅色占比與年紅色占比的關聯度較大，即春夏紅色占比對年紅色總量的貢獻率偏大，說明紅色在春夏流行色的占比高于秋冬。

根據上述算法，分別對其余9種色相的灰色關聯度進行計算，結果見表3。

由表3可知，春夏流行色對年流行色貢獻率較大的色相為紅色、黃色、綠色、綠藍、藍紫、紫色，表明這6種色相在春夏流行色中使用比例較高;秋冬流行色對年流行色貢獻率較大的色相為黃紅、黃綠、藍色、紫紅，表明這4種色相在秋冬流行色中使用比例較高。春夏流行色比秋冬流行色更加豐富與多樣化，且其色彩多為基礎色，暖色與中性色都集中于春夏。如前所述，雖然秋冬的色彩越來越多樣化，但其色彩的運用相對于春夏還是比較單調。

根據灰色關聯模型，分別算得3種純度、明度等級的灰色關聯度，結果見表4。

由表4可知，春夏流行色純度、明度對年流行色純度、明度貢獻率較大的為高純度、高明度;秋冬流行色純度、明度對年流行色純度、明度貢獻率較大的為低純度、中純度、低明度、中明度，表明春夏流行色多使用高純度、高明度色彩，而秋冬則會降低流行色的純度與明度。這與統計分析結果一致，流行色會受到季節因素的影響，呈現出明顯的季節特征。

2.2.2 春夏流行色與秋冬流行色

以紅色為例，將8年秋冬流行色中紅色占比數據作為參考序列X0，8年春夏流行色中紅色占比數據作為比較序列X1。通過建模計算，得到兩者之間的關聯度。

根據上述方法，計算得到10種色相關于春夏與秋冬的關聯度，如圖3所示。

由圖3可知，在關聯度區間為[0，0.5）的色相有紅色，在關聯度區間為[0.5，0.6）的色相有黃紅、綠藍、藍色，在關聯度區間為[0.6，0.7）的色相有黃色、黃綠、綠色、藍紫、紫紅，在關聯度區間為[0.7，0.8）的色相有紫色，在關聯度區間為[0.8，1]的色相有0個。關聯度在0.6以上，便認為兩者關聯性顯著[16]，關聯度高于0.6的色相一共有6種。雖然不同色相之間的關聯度各有差異，但仍有60%的色相關聯度顯著且暖色偏多，表明春夏流行色與秋冬流行色存在顯著的關聯。

關聯度越大，表明流行色色相的變化幅度越小。紅色的關聯度最小，表明紅色隨季節變化的幅度最大;黃紅、藍色、綠藍這3種色相的關聯度略高于紅色，表明其隨季節變化的幅度較大;紫色的關聯度最大，表明紫色在春夏與秋冬流行色之間的變化幅度最小;黃色、紫紅、綠色、藍紫、黃綠這5種色相的關聯度略小于紫色，表明其隨季節變化的幅度也較為平穩。暖色與冷色隨季節變化較大，中性色則較為平穩，這說明季節的溫度變化會影響色彩的冷暖性。

計算春夏與秋冬流行色純度、明度之間的關聯度，得到低純度（0.7410）、低明度（0.6159）最大，高純度（0.6530）、中明度（0.6016）其次，中純度（0.5473）、高明度（0.5201）最小。表明低純度、低明度色彩隨季節變化的幅度最小，中純度、高明度色彩隨季節變化的幅度最大，這可能由于低純度、低明度色彩代表了包容與平衡，從色彩搭配上，其包容性更大，可以與較多的色彩相協調。此外，人們對健康的生活方式及自然材質的追求也促進了低純度、低明度色彩的運用，使其在春夏與秋冬都作為基礎色調使用;中純度、高明度色彩受季節影響最大，說明其帶有明顯的季節特征，高明度色彩是春夏季色彩，中純度色彩則偏向于秋冬色彩。

2.2.3 數據驗證與擬合

為驗證灰色關聯分析的正確性與準確度，選取2019年秋冬與2020年春夏流行色色相作為驗證數據，對比真實色相變化規律與灰色關聯分析結果，見表5。

由表5可知，與2019年秋冬色相相比，紅色、綠色大幅度增加，黃色、藍色小幅度增加，紫色、紫紅增加幅度中等，黃紅、藍紫小幅度減小，黃綠、綠藍大幅度減小。其中，綠藍、藍、藍紫、紫紅4種色相的占比變化規律，以及黃紅、藍、黃綠、綠4種色相的變化幅度不符合分析結果，即有60%的色相變化規律符合關聯分析。

灰色關聯分析證明春夏流行色與秋冬流行色有顯著的相關性，但其具體的相關形式卻無法確定。為探究上一季流行

色與下一季流行色的依存關系，采用曲線擬合方法確立一個合適的數學模型，并計算擬合值與實際值的誤差來評判數學模型的優劣。

以上一季流行色的占比作為變量x，下一季流行色的占比作為變量y，繪制散點圖。由于流行色的數據點較為分散且規律性較弱，線性擬合程度偏低，因此選用多項式擬合及插值擬合（Spline插值、Linear插值、Hermite插值）共4種擬合方法，以提高數據的擬合度并比較不同函數擬合的精確度。

以2012春夏—2019年秋冬的紅色為例，用Matlab2017b建立其4種擬合模型，其中多項式擬合的次數根據相關系數的大小及曲線的波動程度來確定，模型如圖4所示。

根據建立的數學模型擬合2020年春夏流行色色相的占比，并采用相對誤差對其擬合數據進行評測，公式為：

表6為2020年春夏流行色真實占比與擬合占比，其中“-”表示模型出錯，不適合建模。

由表6可知，1）紅、黃紅、黃、綠、紫紅這5種色相的擬合值與實際值的誤差較小，說明這5種色相可以使用曲線擬合來預測。2）比較4種擬合模型的誤差值，Linear對于紅、黃紅、黃的預測最精準，多項式只有綠色的預測較為精準，Spline對紫紅的預測較為準確，Linear的整體擬合精確度最高，Hermite整體擬合精確度僅次于Linear，多項式擬合的整體精確度最低，這可能是因為多項式與Spline擬合模型，本身容易對數據過擬合，導致曲線波動過大，從而對未知數據的擬合出現顯著偏差。3）在利用季節流行色預測時，可以首選Linear擬合模型，但對于不同的色相可以選擇不同的擬合模型，然后基于灰色關聯分析的結果進行預測值選擇。4）根據誤差分析，有40%（紅、黃紅、黃、紫紅）的色相預測較為準確，多為暖色。

基于以上分析，得到季節流行色之間的變化規律為：

1）與春夏流行色相比，秋冬流行色會大幅度提高紅色、黃紅、藍色的使用比例，小幅度提高黃綠、紫紅的使用比例，大幅度降低綠藍、黃色的使用比例，小幅度降低藍紫、綠色的使用比例，極小幅度改變紫色的使用比例;與春夏流行色相比，秋冬流行色會大幅度提高中純度的使用比例，小幅度提高低純度的使用比例，大幅度降低高純度的使用比例;與春夏流行色相比，秋冬流行色會大幅度提高中明度、低明度的使用比例，大幅度降低高明度的使用比例。

2）流行色有明顯的季節特征，春夏流行色色相偏向于俏麗明亮的高純度、高明度的暖色系，秋冬流行色色相偏向于冷靜沉穩的低純度、低明度的冷色系，這說明流行色會受到季節的影響。除此之外，受到“五行思想”和“五方說”的影響，黃色在春夏和秋冬流行色中的占比都較大;中國傳統習俗的影響導致紅色從2013—2018年連續6年在秋冬流行色中的占比高于春夏。同時，流行色也要充分考慮穿著者的膚色特征，由于綠色系色彩不能較好地配合中國人的偏黃膚色，其總體占比一直最小。社會事件也會對時尚中的色彩產生重大影響，但這兩者之間存在的相關性需要進一步驗證。

3 結 論

通過對2012—2019年季節流行色彩的數據化統計分析，科學量化流行色，分析其內在演變規律及外在影響因素，得到服裝流行色的季節差異與關聯性，為季節流行色的預測提供參考依據，并提高人們對于服裝流行色的變化規律認知。

1）秋冬流行色會受到春夏流行色的影響，兩者之間存在關聯性，其中暖色系、低純度、低明度的色彩關聯度較大。

2）與春夏流行色相比，秋冬流行色會增大紅色、黃紅、藍色的占比，減少綠藍、黃色、綠色、藍紫的占比，延續紫色、黃綠和紫紅的占比;減少低高明度的占比，增加低明度與中明度的占比;減少高純度的占比，增大低純度與中純度的占比。

3）雖然流行色受到多方面因素的影響，但仍有60%的流行色符合關聯性分析。

參考文獻：

[1]DIANE T C. Personal color analysis，consumer color preferences and color forecasting for the fashion and textile idustries [J]. Color Design & Creativity，2007（1）： 1-14.

[2]楊陳. 服飾流行色影響因素研究分析[J]. 染整技術，2017，39（1）： 78-80.

YANG Chen. Analysis of influencing factors of fashion colour [J]. Textile Dyeing and Finishing Journal，2017，39（1）： 78-80.

[3]葛蓓. 服裝色彩創意的影響因素[J]. 毛紡科技，2014，42（5）： 42-45.

GE Bei. Factors affecting the creative clothing colour [J]. Wool Textile Journal，2014，42（5）： 42-45.

[4]周捷，李健. 服裝流行色變化趨勢及突變分析[J]. 絲綢，2019，56（6）： 58-67.

ZHOU Jie，LI Jian. Changing trend and abrupt change analysis of fashion color [J]. Journal of Silk，2019，56（6）： 58-67.

[5]周捷，李健. 緩沖算子修正的服裝流行色灰色預測[J]. 紡織高校基礎科學學報，2019，32（1）： 88-94.

ZHOU Jie，LI Jian. Grey prediction of garment color based on buffer operator correction [J]. Basic Sciences Journal of Textile Universities，2019，32（1）： 88-94.

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

[7]周捷，李健. 離散GM（1，1）模型在服裝流行色預測中的應用[J]. 西安工程大學學報，2019，32（1）： 23-30.

ZHOU Jie，LI Jian. Fashion color prediction based on discrete GM（1，1） model [J]. Journal of Xian Polytechnic Univesity，2019，32（1）： 23-30.

[8]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 colour based on BP neural networks [J]. Journal of Textile Research，2011，32（7）： 111-116.

[9]趙黎，楊連賀，黃新. 采用多蜂群協同演化算法的服裝流行色預測[J]. 紡織學報，2018，39（3）： 137-142.

ZHAO Li，YANG Lianhe，HUANG Xin. Hierarchical multi-hive bee colony algorithm for fashion colour prediction [J]. Journal of Textile Research，2018，39（3）： 137-142.

[10]CASSIDY T D. Sustainable colour forecasting： the benefits of creating a better colour trend forecasting system for consumers，the fashion industry and the environment [J]. Sustainability in Fashion & Textiles，2013（14）： 111-124.

[11]江莎莉. 基于數據挖掘的服裝流行色預測[J]. 現代電子技術，2018，41（3）： 92-95.

JIANG Shali. Clothing fashion colour prediction based on data mining [J]. Modern Electronics Technique，2018，41（3）： 92-95.

[12]KING J A. Colour trend forecasting and its influence on the fashion and textile industry [J]. Textile Design，2011： 193-206.

[13]聶兵，湯明高，邵山，等. 基于灰色關聯法的涉水邊坡穩定性影響因素敏感性分析[J]. 長江科學院院報，2019，36（1）： 123-126.

NIE Bing，TANG Minggao，SHAO Shan，et al. Sensibility analysis of influencing factors of reservoir slope stability based on grey correlation [J]. Journal of Yangtze River Scientific Research Institute，2019，36（1）： 123-126.

[14]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.

[15]常麗霞，高衛東，盧雨正，等. 流行色春夏定案特征分析與探討[J]. 紡織學報，2010，31（3）： 98-103.

CHANG Lixia，GAO Weidong，LU Yuzheng，et al. Analysis on spring/summer fashion colours characteristics and changing rules [J]. Journal of Textile Research，2010，31（3）： 98-103.

[16]用CNCS色彩體系分析2000—2010年春夏的色彩變化趨勢[C]//2009S/S中國紡織產品開發報告. 北京： 中國紡織工程學會： 2009： 1.

Analyze the color change trend of spring and summer from 2000 to 2010 with the CNCS color system [C]//2009S/S China Textile Product Development Report. Beijing： China Textile Engineering Society，2009： 1.

[17]李建中，張灝，楊培源. 服裝流行色預測的調研要點[J]. 紡織學報，2011，32（1）： 100-104.

LI Jianzhong，ZHANG Hao，YANG Peiyuan. Key points of investigation for forecasting fashion colour [J]. Journal of Textile Research，2011，32（1）： 100-104.

[18]常紫元，崔榮榮. 近代漢族民間服飾暗紋色彩藝術分析[J]. 絲綢，2017，54（3）： 65-69.

CHANG Ziyuan，CUI Rongrong. Research on dark pattern color art of modern Han folk costume [J]. Journal of Silk，2017，54（3）： 65-69.

[19]薛媛，陳茜，白圓圓. 面部膚色的定量分析與評價[J]. 西安工程大學學報，2018，32（6）： 633-638.

XUE Yuan，CHEN Qian，BAI Yuanyuan. The quantitative analysis and evaluation of facial skin colour [J]. Journal of Xian Polytechnic University，2018 ，32（6）： 633-638.

[20]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（3）： 339-342.

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

[21]朱成林，賈媛，李建奎，等. 沂沭斷裂帶垂直形變的灰色關聯分析應用研究[J]. 地震研究，2013，36（2）： 173-177.

ZHU Chenglin，JIA Yuan，LI Jiankui，et al. Application research of grey correlation analysis on vertical deformation of Yishu fault zone [J]. Journal of Seismological Research，2013，36（2）： 173-177.