谈流行色预测的研究与发展

文章对流行色预测的起源，流行色预测的方法、内容以及流行色预测定案的应用等内容进行了介绍，提出流行色预测研究发展的未来趋势，以期对我国色彩预测工作提供参考。     

中国流行色色案特征量化分析

研究了色彩定案分析方法。以权威色彩预测机构发布的2005—2009春夏女装中国流行色定案为研究对象,Pantone色彩体系为量化依据,应用spss18统计软件为量化分析工具,探讨历年色案特征,寻找流行色发展变化的内在规律,为客观预测流行色提供思路和参考。结果显示:历年流行色定案在色相上总体呈现双峰分布,即色相上呈现色彩互补和对比;聚类分析结果显示,5年中2005、2006、2008年3年流行色定案特征相似度较高,2007、2009年的相似度较高,而2005、2006、2008年3年流行色定案特征与2007、2009年间差异性明显。     

流行色春夏定案特征分析与探讨

应用minitab15对美国潘东公司（Pantone）、国际流行色协会（IC）和《国际纺织品流行趋势》杂志3家权威色彩预测机构发布的春夏流行色定案进行色彩量化和分析,旨在探寻流行色定案在纯度、明度和色相上的分布特点和变化规律。研究结果显示,3家机构发布的流行色信息在明度、纯度和色相分布中存在一定的共性和变化规律,如色相的双峰分布,冷暖对比,纯度和明度上的渐变迁移,以及色彩属性上的春夏季节色彩特征等。单因素方差分析结果说明国际流行色在预测信息中起主导作用。     

采用多蜂群协同演化算法的服装流行色预测

针对现有服装流行色定量预测方法存在的精度缺陷,借鉴了复杂适应系统理论和生物学协同进化思想,提出一种基于层次协同演化机制的多蜂群协同优化算法。将该算法应用于人工神经网络权值配置问题上,通过拟合曲线进行测试。结果表明该算法可提升神经网络模拟目标问题的精度。使用 PANTONE 发布的2007−2016 年的国际春夏女装流行色定案,建立了春夏女装流行色色相的预测模型;对该模型中改进的神经网络进行训练,分析不同隐含层节点个数对色相预测精度的影响;预测2017 年女装流行色色相,并将预测结果与PANTONE 官方发布结果进行对比。结果表明该方法与其他方法相比提高了预测结果的精准度。     

国际服装流行色定案特征分析

应用量化分析方法研究流行色定案特征。以2007—2013年国际服装流行色定案为研究对象,应用PANTONE色彩体系实现对定案的量化与分类,通过统计分析获得2007—2013年定案在色相、明度、纯度属性上的特征,并对影响定案的相关因素进行分析。研究结果表明:2007—2013年定案在色相上始终表现为暖色为主,冷色和中性色为辅的特征;明度上表现为低明度色含量高,定案呈现明亮色与深暗的反季节性色并行混搭的风格;纯度上表现为低纯度色多,高纯度色少的春夏季节性和女装的特征。在2007—2013年定案中,分类后的数据在色相、明度和纯度变化上的波动性显著,但变化不存在线性相关性。该项研究对流行色的预测具有参考价值。     

设计师品牌时尚色彩趋势预测应用研究

通过对服装品牌分类整理,确定设计师品牌为本文的研究对象,分析流行色趋势与设计师品牌的流行色使用情况,并将两者流行色按照色相、纯度、明度三个维度进行对比,分析流行色在品牌色彩中实际应用情况,证明时尚色彩趋势预测对于设计师品牌色彩应用有着较高契合性与指导性,得出品牌针对流行色使用的色相色系以及使用变化规律,明度与纯度针对不同色系的明度与纯度的变化规律。研究流行色应用规律,给予相关设计师品牌色彩设计以参考,提升实用价值。     

基于BP神经网络的国际服装流行色短期预测

研究以国际权威色彩机构发布的连续6年春夏女装服装流行色量化数据为研究对象,应用BP神经网络逼近任意非线性函数的能力和特点,构建色彩趋势的短期预测模型。研究在传统BP神经网络的基础上引入动量因子,通过设计网络参数、训练样本对模型进行训练与仿真,探讨模型在流行色预测中的性能。研究结果显示:应用引入动量因子的BP神经网络的收敛速度、预测获得误差的标准差小于0.06,预测效果好,能够用于流行色的短期预测。     

灰色GM(1,1)模型在国际春夏女装流行色色相预测中的应用

服装流行色是影响服装企业生产、营销、效益的重要因素。针对服装流行色预测研究中存在色彩量化复杂、缺少时间序列参数与构建预测模型性能关系等问题,提出以国际春夏女装流行色为研究对象,以PANTONE色彩体系为色彩量化依据,以绝对误差平均值作为预测效果的综合评价指标,探讨了不同长度的时间序列对灰色GM(1,1)服装流行色色相预测模型性能的影响。研究结果表明,以6年时间序列建立的灰色GM(1,1)模型对服装流行色色相预测的整体精度高,其绝对误差平均值之和仅为1.9%。     

应用数字量化的毛衫流行色趋势预测方法

通过预测模型算法设计、预测模型方法分析,建立数字量化流程,并针对权威Spin Expo发布的纱线流行色色卡作为预测数据的信息源作为样本,以纱线流行色中的红色系为例,通过数字量化中HSB色彩系统量化以及纱线流行色色卡量化在流行色趋势中的应用,构建毛衫流行色色相、明度和饱和度的预测模型。实验结果表明,应用数字量化模型进行毛衫流行色趋势的方法具有预测的精准性与有效性。     

服装流行色的季节差异及关联性研究

为揭示服装流行色的季节差异及其变化规律,以2012-2019年中国服装流行色定案为研究对象,依据中国色彩标准体系(CNCS)对色彩进行量化,采用统计分析与灰色关联分析,探究季节服装流行色的波动规律与色彩特征。结果表明:服装流行色呈现一定的季节差异,不同色彩存在不同的季节模式,即春夏以高明度、高纯度和暖色系为主,秋冬则会增大低/中明度、低/中纯度和冷色系色彩的使用比例;秋冬服装流行色会受到春夏流行色的影响,但不同色彩的关联度存在差异;秋冬服装流行色的波动较大,春夏服装流行色的波动则比较平缓。     

北京地区电子出版业产品结构转移变化趋势研究

为了研究北京地区电子出版业产品结构的变化趋势,应用Markov预测方法和多元回归分析方法对北京地区电子出版业的产品结构进行了研究,并给出了其Markov链的状态转移概率矩阵的估算模型。通过对模拟结果的误差考查,表明此方法具有较高的预测精度,并以此为基础预测了2013-2017年北京地区电子出版业产品结构的变化趋势。Markov预测模型在北京电子出版业产品结构变化趋势预测中的应用丰富了Markov预测方法的应用领域。     

基于灰色模型和神经网络的服装流行色预测

针对服装流行色变化规律不稳定和预测准确度不高的问题,首先利用灰色模型对原始数据序列进行预测,然后再利用人工神经网络对残差序列进行预测,最后将两个预测值合并作为预测结果。结果表明混合方法比单一的GM、ANN方法能获得更好的预测值。     

基于集成神经网络的织物主观风格预测研究

针对织物主观风格评价问题,建立了基于D-S证据理论的集成神经网络风格预测模型。分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行预测,得到初步的预测结果,经过归一化后得到2组基本概率分配函数,运用D-S证据理论进行融合得到最终预测结果。对510块来自中国国际纺织面料及辅料博览会的面料进行试验表明,使用基于D-S证据理论的集成神经网络进行织物主观风格预测比单一神经网络的准确率最高可以提高17.74%,将集成神经网络模型通过织物成分分类器优化,预测准确率可以更高。     

灰色马尔科夫模型及其应用

将灰色系统理论和马尔科夫理论结合,建立了改进的灰色马尔科夫预测模型.用该预测模型对全国粮食产量进行预测,其精度误差从相对误差5%降低到1%,得到了更为准确的预测结果.     

吸收态马尔可夫链及其在高校学生学业管理模型中的应用

马尔可夫链是一类重要且得到广泛应用的随机过程,对马尔可夫链的基础知识进行了介绍,着重研究吸收态马尔可夫链的转移概率矩阵的构成和基本矩阵的含义,结合高校学生学业管理实例,利用吸收态马尔可夫链和Excel中的MINVERSE函数和MMULT函数给出预测结果,为高校学生管理提供一种新的研究视角。     

基于马尔可夫链的服装销售预测模型的研究

通过分析服装销售的特点,建立了基于马尔可夫链的服装销售预测模型,并运用Excel软件实现马尔可夫预测技术,从而对企业制定商品销售策略提供理论依据。此方法使用方便,操作简单,具有一定的实用和推广价值。     

卷烟销量组合预测模型研究

  目的  为进一步提高卷烟月度销量预测精度,  方法  本文选择ARIMA模型、基于梯度下降算法的BP神经网络模型、基于Levenberg-Marquardt算法改进的BP神经网络模型等3种模型为单项预测模型, 并利用BP神经网络对各单项预测模型进行动态加权, 构建非线性组合模型对全国卷烟月度数据进行预测。首先, 利用各单项预测方法对卷烟历史数据进行仿真拟合, 并对2018年1~4月的销量进行预测; 其次, 构建非线性组合预测模型, 对3个单项预测模型的拟合及预测结果进行动态加权, 充分利用各个模型的优势, 获取销量数据的各方面的信息。  结果  研究表明, 相比于单项预测模型, 组合预测模型误差绝对值均小于当月的日均销售量, 预测误差更加均衡, 结果更加平稳, 适应性更强, 更符合卷烟销售的实际情况。      

Colour forecasting

Abstract

The underlying principles of colour forecasting now have a history spanning a full century. This issue of Textile Progress is somewhat timely as the challenges that industry face now differ from those of the twentieth century, in particular, the increased need to address sustainability and the increased competiveness of the global marketplace. This Textile Progress provides an overview of the historical context drawing out the importance of the role of colour forecasting in the fashion and textile industries. It provides a detailed analysis of the more-recently established and establishing trend forecasting methods with a view to thinking more innovatively about the potential of colour forecasting. It investigates the effects and impact of colour and trend forecasting with a particular focus on the consequences of the process and system on business, on consumers and on the environment. In reviewing the developments in colour forecasting, we begin with the subjective techniques highlighting the strengths and weaknesses of the approaches. The more-objective characteristics that have emerged from new developments and new thinking provide a focus on the potential for greater accuracy in colour forecasting. This issue of Textile Progress explains how and why colour forecasting is an essential component of the business of making and selling fashion garments, through merchandising, retailing and fashion marketing, as well as being important in fashion design and product development processes. Developments affecting the design of colour forecasting systems are shown to draw on marketing theory, though without much consideration for the human-business interface, specifically, colour preferences, colour psychology and cultural meanings of colour. The overall aim of this Textile Progress is to assist an understanding of the colour forecasting process and its contribution to the larger trend forecasting system, and to highlight the challenges the colour forecasting sector faces for a twenty-first century fashion-business strategy. Attention is paid to the colour forecasting process and forecasting as a system, including its application in the design process and skills acquisition. The more-recently established trend forecasting methods are critically analysed, as are previously unpublished contributions to knowledge through original sets of primary research data, and finally potential improvements are suggested.     

灰色理论在易腐食品需求预测中的应用

介绍了灰色预测理论的基本原理、建立灰色预测模型GM（1,1）的过程及求解方法,并将此种方法应用到企业易腐食品需求预测中,取得了较好的预测效果,为企业减少产品损耗,提高盈利提供了有力支撑。