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。

关键词： 服装流行色;趋势分析;Mann-Kendall检验;突变分析;影响因素

中图分类号： TS941.13   文献标志码： A   文章编号： 1001-7003（2019）06-0058-10   引用页码： 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。

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SPSS 22.0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：

1）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0142和0114，说明蓝紫色的上升趋势大于红色和黄红色。

2）5a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。

由圖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。

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。

3 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。

在實践中，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β∈--4α327，-4α327时，系统会发生突变，其突变幅度为3-α3。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：

[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]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.

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.

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， 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.

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.

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.

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.

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.

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. 色彩心理学[M]. 北京： 科学技术文献出版社， 1989： 82-83.

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

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， 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.

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]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.

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.