基于小波分析与动态GM（1,1）模型的服装流行色预测
发布时间：2021-06-11 07:15
为提高服装流行色的预测精度,以中国纺织信息中心发布的2010—2019年春夏流行色定案为研究对象,采用小波分析提取原始序列中的有效信息并进行优化,结合动态灰色GM（1,1）模型对服装流行色的色彩进行预测。结果表明,将小波分析与动态GM（1,1）模型结合进行服装流行色预测,克服了传统预测模型的缺陷,预测精度高,平均相对误差仅为1.63%,预测效果优于动态灰色模型和静态灰色模型,略优于小波静态灰色模型。
【文章来源】：西安工程大学学报. 2019,33(05)
【文章页数】：6 页
【部分图文】：
图１原始序列与重构序列对比图Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｏｒｉｇｉｎａｌｓｅｑｕｅｎｃｅ
（ａ）绿蓝（ｂ）蓝色（ｃ）蓝紫（ｄ）紫色（ｅ）紫红图２４种模型预测结果（２０１６—２０１９）Ｆｉｇ．２Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ（２０１６—２０１９）４种模型预测精度对比如图３所示。图３４种模型的预测精度对比Ｆｉｇ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ从图３可以看出，灰色静态ＧＭ（１，１）模型ＥＭＡＰ值（１４．１５％）和动态ＧＭ（１，１）模型ＥＭＡＰ值（１３．７％）均大于１０％，另外２种指标ＥＭＡ、ＥＲＭＳ也分别大于组合模型误差值。因此，２种单一模型预测精度较差。小波动态ＧＭ（１，１）模型ＥＭＡＰ值（１．５７％）小于小波静态ＧＭ（１，１）模型的ＥＭＡＰ值（６．５３％）。小波动态ＧＭ（１，１）模型的ＥＭＡ和ＥＲＭＳ值最小，预测精度最好，显著优于另外２种单一模型。因此，当原始数据样本具有较强的非线性特征和随机性时，将小波分析与灰色模型组合，可以有效地改善挖掘样本的有限情况，获得高质量的学习样本，提高了预测精度。２．３模型应用以２０１４—２０１９年色彩值为建模序列，对数据进行小波分解与重构，采用小波动态ＧＭ（１，１）模型预测２０２０年流行色。预测结果为绿蓝色６．４５％，蓝色３．５９％，蓝紫色９．６７％，紫色０．０５％，紫红色５．６８％。对预测结果分析可知，在２０２０年服装流行色中，红
（ａ）绿蓝（ｂ）蓝色（ｃ）蓝紫（ｄ）紫色（ｅ）紫红图２４种模型预测结果（２０１６—２０１９）Ｆｉｇ．２Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ（２０１６—２０１９）４种模型预测精度对比如图３所示。图３４种模型的预测精度对比Ｆｉｇ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ从图３可以看出，灰色静态ＧＭ（１，１）模型ＥＭＡＰ值（１４．１５％）和动态ＧＭ（１，１）模型ＥＭＡＰ值（１３．７％）均大于１０％，另外２种指标ＥＭＡ、ＥＲＭＳ也分别大于组合模型误差值。因此，２种单一模型预测精度较差。小波动态ＧＭ（１，１）模型ＥＭＡＰ值（１．５７％）小于小波静态ＧＭ（１，１）模型的ＥＭＡＰ值（６．５３％）。小波动态ＧＭ（１，１）模型的ＥＭＡ和ＥＲＭＳ值最小，预测精度最好，显著优于另外２种单一模型。因此，当原始数据样本具有较强的非线性特征和随机性时，将小波分析与灰色模型组合，可以有效地改善挖掘样本的有限情况，获得高质量的学习样本，提高了预测精度。２．３模型应用以２０１４—２０１９年色彩值为建模序列，对数据进行小波分解与重构，采用小波动态ＧＭ（１，１）模型预测２０２０年流行色。预测结果为绿蓝色６．４５％，蓝色３．５９％，蓝紫色９．６７％，紫色０．０５％，紫红色５．６８％。对预测结果分析可知，在２０２０年服装流行色中，红
【参考文献】：
期刊论文
[1]离散GM（1,1）模型在服装流行色预测中的应用[J]. 周捷,李健. 西安工程大学学报. 2019(01)
[2]小波变换的动态灰色模型研究[J]. 张玉英,谭荣建,张东升,谢玲. 软件. 2018(11)
[3]动态残差修正的新陈代谢灰色模型在沉降预测中的应用[J]. 易梅,高雅萍,郭瑞雪,张文静,徐涛. 工程勘察. 2018(04)
[4]基于小波与动态GM（1,1）-ARIMA模型的股价预测研究[J]. 骆桦,陈艳飞. 浙江理工大学学报(自然科学版). 2017(04)
[5]Vilenkin群上信号的分解与重构[J]. 师东利,李万社,聂伟平. 纺织高校基础科学学报. 2017(01)
[6]小波分解ARMA-GARCH模型及其在基金净值预测中的应用[J]. 景阳,窦井波. 纺织高校基础科学学报. 2016(04)
[7]基于灰色模型的海洋经济评估系统[J]. 谭前进,赵前程,蔡增玉. 西安工程大学学报. 2016(04)
[8]Fashion Color Forecasting by Applying an Improved Back Propagation Neural Network[J]. 常丽霞,潘如如,高卫东. Journal of Donghua University（English Edition）. 2013(01)
[9]基于灰色前馈神经网络的流行色预测[J]. 吴也哲,翟永超,孙莉. 东华大学学报(自然科学版). 2011(02)
本文编号：3224089
【文章来源】：西安工程大学学报. 2019,33(05)
【文章页数】：6 页
【部分图文】：
图１原始序列与重构序列对比图Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｏｒｉｇｉｎａｌｓｅｑｕｅｎｃｅ
（ａ）绿蓝（ｂ）蓝色（ｃ）蓝紫（ｄ）紫色（ｅ）紫红图２４种模型预测结果（２０１６—２０１９）Ｆｉｇ．２Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ（２０１６—２０１９）４种模型预测精度对比如图３所示。图３４种模型的预测精度对比Ｆｉｇ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ从图３可以看出，灰色静态ＧＭ（１，１）模型ＥＭＡＰ值（１４．１５％）和动态ＧＭ（１，１）模型ＥＭＡＰ值（１３．７％）均大于１０％，另外２种指标ＥＭＡ、ＥＲＭＳ也分别大于组合模型误差值。因此，２种单一模型预测精度较差。小波动态ＧＭ（１，１）模型ＥＭＡＰ值（１．５７％）小于小波静态ＧＭ（１，１）模型的ＥＭＡＰ值（６．５３％）。小波动态ＧＭ（１，１）模型的ＥＭＡ和ＥＲＭＳ值最小，预测精度最好，显著优于另外２种单一模型。因此，当原始数据样本具有较强的非线性特征和随机性时，将小波分析与灰色模型组合，可以有效地改善挖掘样本的有限情况，获得高质量的学习样本，提高了预测精度。２．３模型应用以２０１４—２０１９年色彩值为建模序列，对数据进行小波分解与重构，采用小波动态ＧＭ（１，１）模型预测２０２０年流行色。预测结果为绿蓝色６．４５％，蓝色３．５９％，蓝紫色９．６７％，紫色０．０５％，紫红色５．６８％。对预测结果分析可知，在２０２０年服装流行色中，红
（ａ）绿蓝（ｂ）蓝色（ｃ）蓝紫（ｄ）紫色（ｅ）紫红图２４种模型预测结果（２０１６—２０１９）Ｆｉｇ．２Ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ（２０１６—２０１９）４种模型预测精度对比如图３所示。图３４种模型的预测精度对比Ｆｉｇ．３Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒｍｏｄｅｌｓ从图３可以看出，灰色静态ＧＭ（１，１）模型ＥＭＡＰ值（１４．１５％）和动态ＧＭ（１，１）模型ＥＭＡＰ值（１３．７％）均大于１０％，另外２种指标ＥＭＡ、ＥＲＭＳ也分别大于组合模型误差值。因此，２种单一模型预测精度较差。小波动态ＧＭ（１，１）模型ＥＭＡＰ值（１．５７％）小于小波静态ＧＭ（１，１）模型的ＥＭＡＰ值（６．５３％）。小波动态ＧＭ（１，１）模型的ＥＭＡ和ＥＲＭＳ值最小，预测精度最好，显著优于另外２种单一模型。因此，当原始数据样本具有较强的非线性特征和随机性时，将小波分析与灰色模型组合，可以有效地改善挖掘样本的有限情况，获得高质量的学习样本，提高了预测精度。２．３模型应用以２０１４—２０１９年色彩值为建模序列，对数据进行小波分解与重构，采用小波动态ＧＭ（１，１）模型预测２０２０年流行色。预测结果为绿蓝色６．４５％，蓝色３．５９％，蓝紫色９．６７％，紫色０．０５％，紫红色５．６８％。对预测结果分析可知，在２０２０年服装流行色中，红
【参考文献】：
期刊论文
[1]离散GM（1,1）模型在服装流行色预测中的应用[J]. 周捷,李健. 西安工程大学学报. 2019(01)
[2]小波变换的动态灰色模型研究[J]. 张玉英,谭荣建,张东升,谢玲. 软件. 2018(11)
[3]动态残差修正的新陈代谢灰色模型在沉降预测中的应用[J]. 易梅,高雅萍,郭瑞雪,张文静,徐涛. 工程勘察. 2018(04)
[4]基于小波与动态GM（1,1）-ARIMA模型的股价预测研究[J]. 骆桦,陈艳飞. 浙江理工大学学报(自然科学版). 2017(04)
[5]Vilenkin群上信号的分解与重构[J]. 师东利,李万社,聂伟平. 纺织高校基础科学学报. 2017(01)
[6]小波分解ARMA-GARCH模型及其在基金净值预测中的应用[J]. 景阳,窦井波. 纺织高校基础科学学报. 2016(04)
[7]基于灰色模型的海洋经济评估系统[J]. 谭前进,赵前程,蔡增玉. 西安工程大学学报. 2016(04)
[8]Fashion Color Forecasting by Applying an Improved Back Propagation Neural Network[J]. 常丽霞,潘如如,高卫东. Journal of Donghua University（English Edition）. 2013(01)
[9]基于灰色前馈神经网络的流行色预测[J]. 吴也哲,翟永超,孙莉. 东华大学学报(自然科学版). 2011(02)
本文编号：3224089
本文链接：https://www.wllwen.com/projectlw/xtxlw/3224089.html
