為提高服裝流行色的預(yù)測(cè)精度,以中國(guó)紡織信息中心發(fā)布的2010—2019年春夏流行色定案為研究對(duì)象,采用小波分析提取原始序列中的有效信息并進(jìn)行優(yōu)化,結(jié)合動(dòng)態(tài)灰色GM（1,1）模型對(duì)服裝流行色的色彩進(jìn)行預(yù)測(cè)。結(jié)果表明,將小波分析與動(dòng)態(tài)GM（1,1）模型結(jié)合進(jìn)行服裝流行色預(yù)測(cè),克服了傳統(tǒng)預(yù)測(cè)模型的缺陷,預(yù)測(cè)精度高,平均相對(duì)誤差僅為1.63%,預(yù)測(cè)效果優(yōu)于動(dòng)態(tài)灰色模型和靜態(tài)灰色模型,略優(yōu)于小波靜態(tài)灰色模型。 

【文章來源】：西安工程大學(xué)學(xué)報(bào). 2019,33(05)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖１原始序列與重構(gòu)序列對(duì)比圖Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｏｒｉｇｉｎａｌｓｅｑｕｅｎｃｅ

（ａ）綠藍(lán)（ｂ）藍(lán)色（ｃ）藍(lán)紫（ｄ）紫色（ｅ）紫紅圖２４種模型預(yù)測(cè)結(jié)果（２０１６—２０１９）Ｆｉｇ．２Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ（２０１６—２０１９）４種模型預(yù)測(cè)精度對(duì)比如圖３所示。圖３４種模型的預(yù)測(cè)精度對(duì)比Ｆｉｇ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ從圖３可以看出，灰色靜態(tài)ＧＭ（１，１）模型ＥＭＡＰ值（１４．１５％）和動(dòng)態(tài)ＧＭ（１，１）模型ＥＭＡＰ值（１３．７％）均大于１０％，另外２種指標(biāo)ＥＭＡ、ＥＲＭＳ也分別大于組合模型誤差值。因此，２種單一模型預(yù)測(cè)精度較差。小波動(dòng)態(tài)ＧＭ（１，１）模型ＥＭＡＰ值（１．５７％）小于小波靜態(tài)ＧＭ（１，１）模型的ＥＭＡＰ值（６．５３％）。小波動(dòng)態(tài)ＧＭ（１，１）模型的ＥＭＡ和ＥＲＭＳ值最小，預(yù)測(cè)精度最好，顯著優(yōu)于另外２種單一模型。因此，當(dāng)原始數(shù)據(jù)樣本具有較強(qiáng)的非線性特征和隨機(jī)性時(shí)，將小波分析與灰色模型組合，可以有效地改善挖掘樣本的有限情況，獲得高質(zhì)量的學(xué)習(xí)樣本，提高了預(yù)測(cè)精度。２．３模型應(yīng)用以２０１４—２０１９年色彩值為建模序列，對(duì)數(shù)據(jù)進(jìn)行小波分解與重構(gòu)，采用小波動(dòng)態(tài)ＧＭ（１，１）模型預(yù)測(cè)２０２０年流行色。預(yù)測(cè)結(jié)果為綠藍(lán)色６．４５％，藍(lán)色３．５９％，藍(lán)紫色９．６７％，紫色０．０５％，紫紅色５．６８％。對(duì)預(yù)測(cè)結(jié)果分析可知，在２０２０年服裝流行色中，紅

（ａ）綠藍(lán)（ｂ）藍(lán)色（ｃ）藍(lán)紫（ｄ）紫色（ｅ）紫紅圖２４種模型預(yù)測(cè)結(jié)果（２０１６—２０１９）Ｆｉｇ．２Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ（２０１６—２０１９）４種模型預(yù)測(cè)精度對(duì)比如圖３所示。圖３４種模型的預(yù)測(cè)精度對(duì)比Ｆｉｇ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ從圖３可以看出，灰色靜態(tài)ＧＭ（１，１）模型ＥＭＡＰ值（１４．１５％）和動(dòng)態(tài)ＧＭ（１，１）模型ＥＭＡＰ值（１３．７％）均大于１０％，另外２種指標(biāo)ＥＭＡ、ＥＲＭＳ也分別大于組合模型誤差值。因此，２種單一模型預(yù)測(cè)精度較差。小波動(dòng)態(tài)ＧＭ（１，１）模型ＥＭＡＰ值（１．５７％）小于小波靜態(tài)ＧＭ（１，１）模型的ＥＭＡＰ值（６．５３％）。小波動(dòng)態(tài)ＧＭ（１，１）模型的ＥＭＡ和ＥＲＭＳ值最小，預(yù)測(cè)精度最好，顯著優(yōu)于另外２種單一模型。因此，當(dāng)原始數(shù)據(jù)樣本具有較強(qiáng)的非線性特征和隨機(jī)性時(shí)，將小波分析與灰色模型組合，可以有效地改善挖掘樣本的有限情況，獲得高質(zhì)量的學(xué)習(xí)樣本，提高了預(yù)測(cè)精度。２．３模型應(yīng)用以２０１４—２０１９年色彩值為建模序列，對(duì)數(shù)據(jù)進(jìn)行小波分解與重構(gòu)，采用小波動(dòng)態(tài)ＧＭ（１，１）模型預(yù)測(cè)２０２０年流行色。預(yù)測(cè)結(jié)果為綠藍(lán)色６．４５％，藍(lán)色３．５９％，藍(lán)紫色９．６７％，紫色０．０５％，紫紅色５．６８％。對(duì)預(yù)測(cè)結(jié)果分析可知，在２０２０年服裝流行色中，紅

【參考文獻(xiàn)】：
期刊論文
[1]離散GM（1,1）模型在服裝流行色預(yù)測(cè)中的應(yīng)用[J]. 周捷,李健.  西安工程大學(xué)學(xué)報(bào). 2019(01)
[2]小波變換的動(dòng)態(tài)灰色模型研究[J]. 張玉英,譚榮建,張東升,謝玲.  軟件. 2018(11)
[3]動(dòng)態(tài)殘差修正的新陳代謝灰色模型在沉降預(yù)測(cè)中的應(yīng)用[J]. 易梅,高雅萍,郭瑞雪,張文靜,徐濤.  工程勘察. 2018(04)
[4]基于小波與動(dòng)態(tài)GM（1,1）-ARIMA模型的股價(jià)預(yù)測(cè)研究[J]. 駱樺,陳艷飛.  浙江理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[5]Vilenkin群上信號(hào)的分解與重構(gòu)[J]. 師東利,李萬(wàn)社,聶偉平.  紡織高�；A(chǔ)科學(xué)學(xué)報(bào). 2017(01)
[6]小波分解ARMA-GARCH模型及其在基金凈值預(yù)測(cè)中的應(yīng)用[J]. 景陽(yáng),竇井波.  紡織高校基礎(chǔ)科學(xué)學(xué)報(bào). 2016(04)
[7]基于灰色模型的海洋經(jīng)濟(jì)評(píng)估系統(tǒng)[J]. 譚前進(jìn),趙前程,蔡增玉.  西安工程大學(xué)學(xué)報(bào). 2016(04)
[8]Fashion Color Forecasting by Applying an Improved Back Propagation Neural Network[J]. 常麗霞,潘如如,高衛(wèi)東.  Journal of Donghua University（English Edition）. 2013(01)
[9]基于灰色前饋神經(jīng)網(wǎng)絡(luò)的流行色預(yù)測(cè)[J]. 吳也哲,翟永超,孫莉.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(02)



本文編號(hào)：3224089