周捷 毛倩 李健

摘要： 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。

关键词： 服装流行色;季节差异;统计分析;灰色关联分析;关联性

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时间内，反映时尚趋势及大众喜好的颜色，对服装设计与服饰产品营销影响较大[1]。受诸多因素的影响，流行色呈现出明显的季节性与不确定性[2]。在服装销售过程中，商家依据流行色的变化规律，可以有效调节上货波段和实际销售时点[3]。为此，许多学者开始研究流行色的预测方法[4-6]，提出了灰色模型[7]、BP神经网络[8]、蜂群演化算法[9]、可持续预测系统[10]和大数据分析[11]等流行色量化预测方法。但这些定量方法的预测值与实际值均存在一定的误差。

受内部和外部因素的双重影响，春夏与秋冬服装流行色之间也有双重关系，即差异性与关联性[12]。探究季节与服装流行色之间的关联，可以为流行色预测提供科学依据。灰色关联分析是一个对系统发展变化态势进行定量描述和比较的方法，其不仅具有高效性，且不受样本数量的限制[13]。

鉴于此，本文运用统计分析结合灰色关联分析，揭示色相、纯度、明度在春夏与秋冬季节流行色中的变化特征及其关联性，以期提高人们对服装流行色演变的认知，为色彩预测提供科学依据。

1 样本与研究方法

1.1 样本来源

以中国纺织信息中心发布的2012—2019年春夏/秋冬流行色定案为研究对象，该定案是中国纺织信息中心对服装季节流行色的定性研究与定量分析。收集每季流行色的中国色彩标准体系（CNCS）色彩编号，共得到602个样本。

1.2 样本量化与分类

CNCS色彩体系是中国流行色协会指定的色彩应用标准，本文采用该色彩体系作为色彩量化依据。根据相关色彩理论[14-15]，将色相、明度及纯度进行区间划分，色相划分见表1，明度和纯度划分见文献[16]。

1.3 研究方法

为了能更好地研究服装流行色的变化特征，以及其与季节要素的关联性，结合统计分析与灰色关联分析，本文对流行色进行定量研究。具体方法为：计算2012—2019年（以下简称8年）服装流行色色相、纯度、明度的占比，公式如下：

先对流行色占比数据进行统计特征分析，比较春夏与秋冬流行色变化规律的差异性;然后运用灰色关联分析模型弥补统计分析在数据处理上的不足，得到春夏与秋冬流行色的关联性;最后验证关联性的正确性并采用拟合模型对春夏与秋冬流行色进行拟合，以检验拟合数据的准确性。

2 结果与分析

2.1 统计分析

为研究流行色在不同季节的差异性，根据各色相在每年定案中所占比值，绘制出8年的春夏与秋冬色相统计特征，如图1所示;为比较春夏、秋冬流行色的波动情况，计算8年流行色色相占比的均值与标准差，见表2;计算流行色纯度、明度在春夏与秋冬的占比差值和平均绝对误差差值，如图2所示，从而比较色彩纯度、明度在不同季节的变化特征。

2.1.1 流行色色相的变化特征与季节要素的关联性

结合图1与表2可知，对于春夏流行色，黄色的占比均值最大，绿色的占比均值最小并出现隔断现象。暖色系色彩黄、黄红、红、紫红、黄绿中，黄红与红色的占比均值仅次于黄色，黄绿的占比均值最小。关于冷色系色彩蓝色与蓝紫，蓝紫的占比均值较大。中性色彩紫色、绿色、绿蓝中，绿色占比均值最小，绿蓝占比均值最大。暖色（62.55%）总体平均使用比例大于冷色（21.22%）与中性色（16.23%）。

秋冬流行色中，红色占比均值最高，绿色占比均值最小。在冷色系中，蓝紫占比均值最高;中性色中，绿色占比均值最小并出现较长时间的隔断，绿蓝占比均值最大，但也出现过隔断;暖色系中黄绿占比均值最小并出现隔断，说明绿色、绿蓝与黄绿始终未成为秋冬的主流色。暖色（65.94%）总体平均使用比例远远高于冷色（20.45%）与中性色（13.62%）。

比较春夏与秋冬十类色相的均值特征，暖色系始终占据主导地位，但各种暖色色相的运用具有差异性，由于中国传统文化的影响[17-18]，黄色与红色运用偏多，冷色与中性色的运用规律则较为相似。与春夏流行色相比，绿色、黄色、绿蓝、蓝紫的占比均值在秋冬明显减少;红色、蓝色、黄红的占比均值在秋冬大幅增加;黄绿、紫色、紫红变化较小，说明这三种色彩受季节的影响较小。

春夏和秋冬流行色色相占比标准差都出现双峰分布，最高峰分别为黄色和黄红，次高峰分别为蓝紫和蓝色，说明这些色相波动最大。上述两组色彩属于一暖一冷色相，为互补色，体现出了补色色相配色原理的运用，这说明流行色定案也会受色相配色的影响并强调色彩的对比与融合。绿色为春夏与秋冬色相占比标准差的最低峰，表明绿色的波动始终最小，这是因为绿色的使用比例一直都较低，这与中国人的肤色有关[19-20];春夏流行色中，黄色、黄绿、蓝紫的波动大于秋冬，紅色的波动程度与秋冬相似，其余6类色相的波动都低于秋冬。秋冬流行色色相的波动程度总体上大于春夏，这可能与近年来秋冬流行色呈现混搭的风格有关，人们希望在秋冬运用鲜明的色彩带来生机感，并满足个性化的心理需求，因此越来越多的春夏色彩被运用到秋冬。

2.1.2 流行色纯度、明度的变化特征与季节要素的关联性

为比较春夏与秋冬流行色的纯度、明度特征，先计算流行色在不同季节的占比差值（春夏—秋冬），将其绘制成箱体图

并计算其均值，再计算流行色的平均绝对误差差值（春夏—秋冬）。

由图2可知，秋冬流行色中，低纯度、中纯度、低明度、中明度色彩的使用比例高于春夏，高纯度色彩的使用比例则低于春夏，这符合春夏艳丽、秋冬暗沉的季节特征。关于纯度的平均绝对误差，秋冬流行色的三类纯度区间都高于春夏流行色，其中低纯度、高纯度色彩在两个季节中相差较大，中纯度色彩相差较小;就明度的平均绝对误差而言，秋冬低明度色彩较大幅度高于春夏，秋冬中明度色彩略高于春夏，春夏高明度色彩略高于秋冬。这表明秋冬流行色的纯度、明度分布离散程度高于春夏，这与前面分析的秋冬流行色色相呈现混搭的风格一致，色彩的运用呈现出流动性与融合。

2.2 灰色关联分析

建立灰色关联模型，通过计算每年春夏/秋冬流行色与年流行色（一年的流行色总量）之间的关联度，来揭示流行色的季节特征;为探究流行色在春夏与秋冬之间的变化幅度，建立了春夏流行色与秋冬流行色之间的灰色关联模型，计算其关联度并做出分析。

2.2.1 季节流行色与年流行色

以红色为例，建立灰色关联模型：

1）构建序列矩阵。用X0表示8年流行色中红色占比，X1表示8年春夏流行色中红色占比，X2表示8年秋冬流行色中红色占比。这三个序列构成一个矩阵：

2）对序列矩阵进行无量纲化。无量纲化采用公式：

3）求差序列、最大差和最小差。

4）计算关联系数。

5）计算关联度。

6）比较关联度。关联度越大，则表示比较序列对参考序列贡献率越大[21]。结果表示春夏红色占比与年红色占比的关联度较大，即春夏红色占比对年红色总量的贡献率偏大，说明红色在春夏流行色的占比高于秋冬。

根据上述算法，分别对其余9种色相的灰色关联度进行计算，结果见表3。

由表3可知，春夏流行色对年流行色贡献率较大的色相为红色、黄色、绿色、绿蓝、蓝紫、紫色，表明这6种色相在春夏流行色中使用比例较高;秋冬流行色对年流行色贡献率较大的色相为黄红、黄绿、蓝色、紫红，表明这4种色相在秋冬流行色中使用比例较高。春夏流行色比秋冬流行色更加丰富与多样化，且其色彩多为基础色，暖色与中性色都集中于春夏。如前所述，虽然秋冬的色彩越来越多样化，但其色彩的运用相对于春夏还是比较单调。

根据灰色关联模型，分别算得3种纯度、明度等级的灰色关联度，结果见表4。

由表4可知，春夏流行色纯度、明度对年流行色纯度、明度贡献率较大的为高纯度、高明度;秋冬流行色纯度、明度对年流行色纯度、明度贡献率较大的为低纯度、中纯度、低明度、中明度，表明春夏流行色多使用高纯度、高明度色彩，而秋冬则会降低流行色的纯度与明度。这与统计分析结果一致，流行色会受到季节因素的影响，呈现出明显的季节特征。

2.2.2 春夏流行色与秋冬流行色

以红色为例，将8年秋冬流行色中红色占比数据作为参考序列X0，8年春夏流行色中红色占比数据作为比较序列X1。通过建模计算，得到两者之间的关联度。

根据上述方法，计算得到10种色相关于春夏与秋冬的关联度，如图3所示。

由图3可知，在关联度区间为[0，0.5）的色相有红色，在关联度区间为[0.5，0.6）的色相有黄红、绿蓝、蓝色，在关联度区间为[0.6，0.7）的色相有黄色、黄绿、绿色、蓝紫、紫红，在关联度区间为[0.7，0.8）的色相有紫色，在关联度区间为[0.8，1]的色相有0个。关联度在0.6以上，便认为两者关联性显著[16]，关联度高于0.6的色相一共有6种。虽然不同色相之间的关联度各有差异，但仍有60%的色相关联度显著且暖色偏多，表明春夏流行色与秋冬流行色存在显著的关联。

关联度越大，表明流行色色相的变化幅度越小。红色的关联度最小，表明红色随季节变化的幅度最大;黄红、蓝色、绿蓝这3种色相的关联度略高于红色，表明其随季节变化的幅度较大;紫色的关联度最大，表明紫色在春夏与秋冬流行色之间的变化幅度最小;黄色、紫红、绿色、蓝紫、黄绿这5种色相的关联度略小于紫色，表明其随季节变化的幅度也较为平稳。暖色与冷色随季节变化较大，中性色则较为平稳，这说明季节的温度变化会影响色彩的冷暖性。

计算春夏与秋冬流行色纯度、明度之间的关联度，得到低纯度（0.7410）、低明度（0.6159）最大，高纯度（0.6530）、中明度（0.6016）其次，中纯度（0.5473）、高明度（0.5201）最小。表明低纯度、低明度色彩随季节变化的幅度最小，中纯度、高明度色彩随季节变化的幅度最大，这可能由于低纯度、低明度色彩代表了包容与平衡，从色彩搭配上，其包容性更大，可以与较多的色彩相协调。此外，人们对健康的生活方式及自然材质的追求也促进了低纯度、低明度色彩的运用，使其在春夏与秋冬都作为基础色调使用;中纯度、高明度色彩受季节影响最大，说明其带有明显的季节特征，高明度色彩是春夏季色彩，中纯度色彩则偏向于秋冬色彩。

2.2.3 数据验证与拟合

为验证灰色关联分析的正确性与准确度，选取2019年秋冬与2020年春夏流行色色相作为验证数据，对比真实色相变化规律与灰色关联分析结果，见表5。

由表5可知，与2019年秋冬色相相比，红色、绿色大幅度增加，黄色、蓝色小幅度增加，紫色、紫红增加幅度中等，黄红、蓝紫小幅度减小，黄绿、绿蓝大幅度减小。其中，绿蓝、蓝、蓝紫、紫红4种色相的占比变化规律，以及黄红、蓝、黄绿、绿4种色相的变化幅度不符合分析结果，即有60%的色相变化规律符合关联分析。

灰色关联分析证明春夏流行色与秋冬流行色有显著的相關性，但其具体的相关形式却无法确定。为探究上一季流行

色与下一季流行色的依存关系，采用曲线拟合方法确立一个合适的数学模型，并计算拟合值与实际值的误差来评判数学模型的优劣。

以上一季流行色的占比作为变量x，下一季流行色的占比作为变量y，绘制散点图。由于流行色的数据点较为分散且规律性较弱，线性拟合程度偏低，因此选用多项式拟合及插值拟合（Spline插值、Linear插值、Hermite插值）共4种拟合方法，以提高数据的拟合度并比较不同函数拟合的精确度。

以2012春夏—2019年秋冬的红色为例，用Matlab2017b建立其4种拟合模型，其中多项式拟合的次数根据相关系数的大小及曲线的波动程度来确定，模型如图4所示。

根据建立的数学模型拟合2020年春夏流行色色相的占比，并采用相对误差对其拟合数据进行评测，公式为：

表6为2020年春夏流行色真实占比与拟合占比，其中“-”表示模型出错，不适合建模。

由表6可知，1）红、黄红、黄、绿、紫红这5种色相的拟合值与实际值的误差较小，说明这5种色相可以使用曲线拟合来预测。2）比较4种拟合模型的误差值，Linear对于红、黄红、黄的预测最精准，多项式只有绿色的预测较为精准，Spline对紫红的预测较为准确，Linear的整体拟合精确度最高，Hermite整体拟合精确度仅次于Linear，多项式拟合的整体精确度最低，这可能是因为多项式与Spline拟合模型，本身容易对数据过拟合，导致曲线波动过大，从而对未知数据的拟合出现显著偏差。3）在利用季节流行色预测时，可以首选Linear拟合模型，但对于不同的色相可以选择不同的拟合模型，然后基于灰色关联分析的结果进行预测值选择。4）根据误差分析，有40%（红、黄红、黄、紫红）的色相预测较为准确，多为暖色。

基于以上分析，得到季节流行色之间的变化规律为：

1）与春夏流行色相比，秋冬流行色会大幅度提高红色、黄红、蓝色的使用比例，小幅度提高黄绿、紫红的使用比例，大幅度降低绿蓝、黄色的使用比例，小幅度降低蓝紫、绿色的使用比例，极小幅度改变紫色的使用比例;与春夏流行色相比，秋冬流行色会大幅度提高中纯度的使用比例，小幅度提高低纯度的使用比例，大幅度降低高纯度的使用比例;与春夏流行色相比，秋冬流行色会大幅度提高中明度、低明度的使用比例，大幅度降低高明度的使用比例。

2）流行色有明显的季节特征，春夏流行色色相偏向于俏丽明亮的高纯度、高明度的暖色系，秋冬流行色色相偏向于冷静沉稳的低纯度、低明度的冷色系，这说明流行色会受到季节的影响。除此之外，受到“五行思想”和“五方说”的影响，黄色在春夏和秋冬流行色中的占比都较大;中国传统习俗的影响导致红色从2013—2018年连续6年在秋冬流行色中的占比高于春夏。同时，流行色也要充分考虑穿着者的肤色特征，由于绿色系色彩不能较好地配合中国人的偏黄肤色，其总体占比一直最小。社会事件也会对时尚中的色彩产生重大影响，但这两者之间存在的相关性需要进一步验证。

3 结 论

通过对2012—2019年季节流行色彩的数据化统计分析，科学量化流行色，分析其内在演变规律及外在影响因素，得到服装流行色的季节差异与关联性，为季节流行色的预测提供参考依据，并提高人们对于服装流行色的变化规律认知。

1）秋冬流行色会受到春夏流行色的影响，两者之间存在关联性，其中暖色系、低纯度、低明度的色彩关联度较大。

2）与春夏流行色相比，秋冬流行色会增大红色、黄红、蓝色的占比，减少绿蓝、黄色、绿色、蓝紫的占比，延续紫色、黄绿和紫红的占比;减少低高明度的占比，增加低明度与中明度的占比;减少高纯度的占比，增大低纯度与中纯度的占比。

3）虽然流行色受到多方面因素的影响，但仍有60%的流行色符合关联性分析。

参考文献：

[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]楊陈. 服饰流行色影响因素研究分析[J]. 染整技术，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. 服装色彩创意的影响因素[J]. 毛纺科技，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. 服装流行色变化趋势及突变分析[J]. 丝绸，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. 缓冲算子修正的服装流行色灰色预测[J]. 纺织高校基础科学学报，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. 离散GM（1，1）模型在服装流行色预测中的应用[J]. 西安工程大学学报，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 colour based on BP neural networks [J]. Journal of Textile Research，2011，32（7）： 111-116.

[9]赵黎，杨连贺，黄新. 采用多蜂群协同演化算法的服装流行色预测[J]. 纺织学报，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. 基于数据挖掘的服装流行色预测[J]. 现代电子技术，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]聂兵，汤明高，邵山，等. 基于灰色关联法的涉水边坡稳定性影响因素敏感性分析[J]. 长江科学院院报，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.

[15]常丽霞，高卫东，卢雨正，等. 流行色春夏定案特征分析与探讨[J]. 纺织学报，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色彩体系分析2000—2010年春夏的色彩变化趋势[C]//2009S/S中国纺织产品开发报告. 北京： 中国纺织工程学会： 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，张灏，杨培源. 服装流行色预测的调研要点[J]. 纺织学报，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，崔荣荣. 近代汉族民间服饰暗纹色彩艺术分析[J]. 丝绸，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，陈茜，白圆圆. 面部肤色的定量分析与评价[J]. 西安工程大学学报，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（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，贾媛，李建奎，等. 沂沭断裂带垂直形变的灰色关联分析应用研究[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.