基于百度指數的傳統印染技藝公眾關注度分析

陳秀芳 胡云鶴

摘要： 以扎染技藝、蠟染技藝和藍印花布印染技藝為研究對象，基于百度搜索指數分析公眾對傳統印染技藝的關注度。通過Holt-Winters模型進行序列分解，分析公眾關注度的變化趨勢和周期特點。結果表明：公眾對扎染關注度逐年上升，對蠟染關注度在波動上升后幾乎維持不變，對藍印花布關注度在緩慢上升后有所下降，三者以年為周期波動的規律明顯。SARIMA模型對三個序列的預測結果表明：扎染的公眾關注度將持續增長，蠟染關注度將基本維持在原有水平，藍印花布關注度將略有下降。文章從國家政策、人群分布、工藝特點等方面對兩種模型所得結論進行解釋分析，并給出合理化建議。

關鍵詞： 百度指數;Holt-Winters模型;SARIMA模型;扎染;蠟染;藍印花布

中圖分類號： TS101.91

文獻標志碼： A

文章編號： 10017003（2020）04004006

引用頁碼： 041108

DOI： 10.3969/j.issn.1001-7003.2020.04.008（篇序）

Analysis of public concern on traditional dyeing and printing techniques based on Baidu index

CHEN Xiufang1， HU Yunhe2

（1.Department of Textile & Garment Engineering， Anhui Vocational and Technical College， Hefei 230011， China;2.School of Data Science， University of Science and Technology of China， Hefei 230026， China）

Abstract：

This study aims to analyze public concern on traditional dyeing and printing techniques based on Baidu index， coveringtie-dyeing，batik and blue calico. Sequence decomposition is conducted with Holt-Winters modelto analyze the changing trend and periodic characteristics of public concern. The results show that the public concern on tie-dyeing increases year by year， the public concern on batik presented wavelike rise first and then remains static， and the public concern on blue calico decreases after slow growth. The three indicators show an obvious law on a yearly basis. The predicating outcomes of the three sequences with SARIMA model indicate a steady increase of public concern on tie-dyeing， a constant level of public concern on batik， and a slight drop of public concern on blue calico in the future. This study interprets the conclusions of the two models from the aspects of national policy， population distribution and process characteristics， and finally gives some reasonable suggestions.

Key words：

Baidu index; Holt-Winters model; SARIMA model; tie-dyeing; batik; blue calico

收稿日期： 20190831;

修回日期： 20200319

基金項目： 高等職業教育創新發展行動項目（XM-06-13）;安徽省高等學校質量工程項目（2017jyxm0707）;安徽省高等學校課程建設類項目（2017mooc201）

作者簡介： 陳秀芳（1968），女，教授，主要從事天然染料染色及扎染、蠟染等傳統印染工藝的研究。

中國傳統印染技藝包括扎染技藝、蠟染技藝、藍印花布印染技藝、香云紗染整技藝、楓香印染技藝、藍夾纈技藝和艾德萊斯綢織染技藝等。國務院先后于2006年、2008年、2011年和2014年公布了四批國家級非物質文化遺產名錄，共1 372項（含3 154個子項），其中包括7項傳統印染技藝（含15個子項），分別是云南省大理市的白族扎染技藝、四川省自貢市的自貢扎染技藝、貴州省丹寨縣的苗族蠟染技藝、貴州省安順市的蠟染技藝、四川省珙縣的苗族蠟染技藝、貴州省黃平縣的黃平蠟染技藝、江蘇省南通市的南通藍印花布印染技藝、湖南省鳳凰縣的藍印花布印染技藝、湖南省邵陽縣的藍印花布印染技藝、浙江省桐鄉市的藍印花布印染技藝、廣東省佛山市順德區的香云紗染整技藝、貴州省惠水縣的楓香印染技藝、貴州省麻江縣的楓香印染技藝、浙江省溫州市的藍夾纈技藝和新疆維吾爾自治區洛浦縣的新疆維吾爾族艾德萊斯綢織染技藝。2018年5月，為落實《中國傳統工藝振興計劃》，國家文化和旅游部、工業和信息化部、財政部共同制定了第一批國家傳統工藝振興目錄，上述傳統印染技藝（藍夾纈技藝除外）均被列入其中。

隨著大數據時代的到來，科學合理地利用歷史數據已經成為一種獲取信息的便捷途徑。搜索指數記錄了數以億計的搜索關注與需求，蘊含著大量有用信息。百度指數是關鍵詞搜索規模和搜索頻次的加權，不僅反映網民對未知信息和焦點事件的探索行為，而且可以了解網民對焦點關注及相關議題的關聯度，并分析這些議題之間的關系[1]。百度指數正越來越多地幫助人們研究醫療、金融、旅游和教育等諸多方面的問題[2-5]。本文選取扎染技藝、蠟染技藝和藍印花布印染技藝為研究對象，基于百度搜索指數建立Holt-Winters模型和SARIMA模型，分析公眾對傳統印染技藝的關注度，并預測其發展趨勢，同時結合實際給出合理化建議。

1 利用Holt-Winters模型進行序列分解

百度指數所采用的算法是以網民在PC端和移動端百度的搜索量為數據基礎，以關鍵詞為統計對象，科學分析并計算出各個關鍵詞在百度網頁搜索中搜索頻次的加權。本文選擇關鍵詞“扎染”“蠟染”和“藍印花布”，截取2011年1月—2019年7月的月均搜索指數時間序列進行研究。三個序列的樣本量各為103，橫軸的刻度對應該年份的1月，如圖1所示。可以看出，三個序列有明顯以年為周期進行季節性波動的特點，其中扎染的平均水平和波動幅度都最大，且總體均呈波動上升趨勢，而蠟染和藍印花布在相對較低的水平范圍內波動，趨勢變化不明顯，且蠟染略高于藍印花布。

時間序列分析的一種思路是對趨勢、季節、隨機誤差等成分進行分解，同時為了更好地反映近期的結果相比遠期的結果對現在影響更大的特點，假設各期權重隨時間間隔的增大而呈指數衰減。乘性Holt-Winters指數平滑法的原理為：

xi=（li-1+ti-1）（1+εi）si-m（1）

li=（li-1+ti-1）（1+αεi）（2）

ti=ti-1+β（li-1+ti-1）εi（3）

si=si-m（1+γεi）（4）

式中：xi為時間序列真實的觀測值，li、ti、si分別表示水平項（level）、趨勢項（trend）和周期項（season），m代表周期長度（這里為12），α、β、γ分別為水平項、趨勢項、周期項的平滑參數，取值在[0，1]區間上;如果模型是合理的、充分的，那么誤差項εi應該是隨機的。

分別對三種技藝序列建立該模型。

對扎染序列，估計的平滑參數依次為0.190、0.039、0357，模型擬合的平均絕對誤差MAE為45.201，均方根誤差RMSE為65.518，決定系數R2為0.947。取滯后期數約為對數序列長度，即lag取5，進行Ljung-Box純隨機性檢驗，p值為0.583，故不能拒絕原假設，可以認為殘差是白噪聲，這表明Holt-Winters模型充分提取出了序列所含的信息。得到如圖2所示的序列分解圖，從上至下依次為擬合序列、水平成分、趨勢成分和季節成分。綜合水平和趨勢成分可知，公眾關注度逐年上升，自2015年起上升速度稍有增加;周期成分規律明顯，大致在春、秋季達到峰值，在冬、夏季出現低谷。

對蠟染和藍印花布序列，前者公眾關注的水平趨勢在2015年有所上升，之后幾乎維持不變，而后者則先緩慢上升，2017年后有所下降;兩者周期成分規律明顯，與扎染類似。

季節指數反映了該季度水平與總平均水平之間的一種比較穩定的關系，如果比值大于1，則該季度的值常常會高于總平均值;如果小于1，則該季度的值常常低于總平均值。基于周期項si計算出季節指數，如圖3所示。三種技藝的季節效應明顯且模式相近，都是每年的6、7月份受到公眾的關注度低，4、10月份達到局部的關注度峰值，而主要差別在于扎染在下半年相對一整年的公眾關注度比蠟染和藍印花布更高。

水平趨勢反映了削弱隨機波動和季節效應后的總體水平在一段時期的變化情況，可以分析、預判長期的走勢。計算出水平項li和趨勢項ti的和，如圖4所示。扎染的公眾關注度逐年穩步增長，將來很可能保持上升勢頭，而蠟染和藍印花布的關注度增長不明顯，甚至稍有下降，從一開始的關注度與扎染比較接近，到現在差距明顯，將來與扎染的差距很可能繼續拉大。

2 利用SARIMA模型進行預測

2.1 差分平穩化

通過Holt-Winters方法對序列進行分解，已經對三種印染技藝的搜索指數時間序列有所了解，接下來將建立SARIMA季節模型進行進一步分析和預測。由自相關函數圖（ACF）和偏自相關函數圖（PACF），得知原序列均為非平穩序列，因此先通過差分構造平穩時間序列。

通常的差分Δ xt=xt-xt-1=（1-B）xt稱為正規差分化，算子Δs=1-Bs稱為季節性差分化。特別地，對一個周期為12的季節性時間序列xt，季節性差分意指Δ12xt=xt-xt-12=（1-B12）xt。對序列依次進行正規差分化、季節性差分化，根據差分后序列的ACF和PACF在延遲若干階之后衰減到零，并且通過了ADF檢驗、PP檢驗和KPSS檢驗，認為序列平穩，可以建立季節模型。

2.2 模型原理

以自回歸移動平均模型（ARMA）為基礎，復雜季節模型（SARIMA）可以表示為ARIMA（p，d，q）×（P，D，Q）s的形式，其中p、q是AR和MA部分的階數，d是正規差分的階數，P、Q是SAR和SMA部分的階數，D是季節性差分的階數，S是周期步長。該模型結構為：

Φ（B）ΦS（B）Δ dΔ DSxt=Θ（B）ΘS（B）εtE（εt）=0，Var（εt）=σ2ε，E（εtεS）=0，s≠tE（xsεt）=0，S

式中：Φ（B）是AR部分的p階自回歸系數多項式，ΦS（B）是SAR部分的P階自回歸系數多項式，Θ（B）是MA部分的q階移動平均系數多項式，ΘS（B）是SMA部分的Q階移動平均系數多項式。

給定d=D=1，S=12后，得到：

（1-pi=1φiBi）（1-pi=1φiB12i）ΔΔ12xt=（1-qi=1θiBi）（1-Qi=1θiB12i）εt（6）

式中：φi，φi，θi，θi為待估參數。

2.3 模型求解與檢驗

假定隨機誤差εt服從正態分布，利用以最小二乘估計為初值的極大似然估計方法，進行參數估計。以扎染為例，通過循環遍歷p、q、P、Q可能的取值組合，根據最小信息化準則確定模型最優階數為p=0，q=1，P=1，Q=0，對應的AIC為1 032.637。參數θi、φi的估計分別為0.740、-0.406，估計的標準誤差分別為0.081、0.094且估計均顯著，σ2ε的估計為5 328。得到模型的表達式為：

ARIMA（0，1，1）×（1，1，0）12∶（1+0.406B12）ΔΔ12xt=（1-0.740B）εt

模型擬合的MAE為40.918，RMSE為67.472，R2為0946，擬合效果較好。圖5給出了若干殘差診斷圖，由標準化殘差時序圖可知殘差滿足隨機性，由殘差ACF圖和Ljung-Box檢驗的p值圖可知殘差是白噪聲序列，由正態Q-Q圖可知殘差基本滿足正態性。這表明模型是合理的、充分的。

與扎染類似，得到蠟染和藍印花布的模型表達式分別為：

ARIMA（0，1，2）×（0，1，1）12∶ΔΔ12xt=（1-0.341B-0.440B2）（1-0.633B12）εt

ARIMA（0，1，1）×（0，1，2）12∶ΔΔ12xt=（1-0.471B）（1-0.772B12-0.263B24）εt

經檢驗，模型均合理且充分。

2.4 模型預測

季節模型對三個序列的擬合情況如圖6所示，可見樣本內擬合情況較好，故進一步對樣本外進行預測。

圖7給出了模型對三個序列從2019年8月—2021年12月的預測結果，灰色區域為90%的置信帶，并隨著預測步長的增加而不斷變寬。在接下來的兩年多時間里，扎染的公眾關注度將繼續之前的增長勢頭、波動上升，蠟染關注度將基本維持在原有水平，藍印花布關注度將略有下降。相對來說，扎染序列的波動幅度更大，比蠟染和藍印花布具有更大的不確定性。

3 公眾對傳統印染技藝關注度的影響因素

3.1 國家和各級政府部門對非物質文化遺產及傳統工藝的重視

從2006年起國務院先后公布了四批國家級非物質文化遺產名錄。2011年6月1日起施行《中華人民共和國非物質文化遺產法》。2015年10月黨的十八屆五中全會提出“構建中華優秀傳統文化傳承體系，加強文化遺產保護，振興傳統工藝”和《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》關于“制定實施中國傳統工藝振興計劃”的要求。2017年文化部、工業和信息化部、財政部共同制定《中國傳統工藝振興計劃》，并于2018年5月制定了第一批國家傳統工藝振興目錄。中國紡織工業聯合會于2017年11月、2018年11月分別在杭州千島湖和北京密云舉辦了兩屆中國紡織非物質文化遺產大會，并于2019年11月在昆明舉辦第三屆中國紡織非物質文化遺產大會。國家和各級政府部門的一系列政策、措施對非物質文化遺產及傳統工藝的宣傳、普及和推廣起到了積極的促進作用，公眾對其關注度也因此有所提高。

3.2 傳統印染技藝的地域分布及主要關注人群

雖然公眾對傳統印染技藝關注度有所提高，但與新鮮事物、熱點話題和流量明星等相比，搜索指數仍顯得微乎其微。從2011年1月—2019年7月以“扎染”“蠟染”和“藍印花布”，以及“唐詩”“美食”和某明星（隱去真實姓名）為關鍵詞進行搜索指數概覽，對比見表1。

筆者認為，這與傳統印染技藝的地域分布有一定關系。扎染和蠟染技藝分布在以云南和貴州為主的西南少數民族地區，藍印花布印染技藝主要分布在江蘇南通、浙江桐鄉及湖南省鳳凰和邵陽，呈現明顯的地域性。從關鍵詞“扎染”“蠟染”和“藍印花布”的百度搜索指數（2011年1月—2019年7月）所提供人群畫像來看，關注“扎染”人群所在的前五個省份是廣東、山東、浙江、云南和江蘇，關注“蠟染”人群所在的前五個省份是貴州、廣東、北京、山東和浙江，關注“藍印花布”人群所在的前五個省份是江蘇、浙江、上海、北京、山東。可見，關注傳統印染技藝的人群主要分布在該技藝較為集中的地區及經濟、文化較發達的地區，而中國東北和西北地區關注傳統印染技藝的人群相對較少。這是導致“扎染”“蠟染”和“藍印花布”的搜索指數整體偏低的一個重要原因。

另外，從關鍵詞“扎染”“蠟染”和“藍印花布”的百度搜索指數（2011年1月—2019年7月）所提供的人群畫像來看，其年齡分布在20～29歲的居多，其中扎染為52.98%、蠟染為43.99%、藍印花布為52.44%。處于這個年齡段的人群中學生占有很大比例，包括在校大學本科生、碩士及博士研究生。在中國知網數據庫以“扎染”為主題的中文文獻中學術期刊和博碩論文共1 027篇（博碩論文165篇），以“蠟染”為主題的中文文獻中學術期刊和博碩論文共942篇（博碩論文131篇），以“藍印花布”為主題的中文文獻中學術期刊和博碩論文共502篇（博碩論文51篇），計量可視化分析表明機構分布幾乎全為高校。這在一定程度上可以解釋“扎染”“蠟染”和“藍印花布”的百度搜索指數在夏季和冬季（對應暑假和寒假）在全年偏低的現象。

3.3 傳統印染技藝的工藝特點

傳統印染技藝都是手工操作，耗時長。扎染的主要操作步驟是：選擇面料→設計圖案→手工扎花→冷水浸泡→染色→水洗→拆線→后處理，其中手工扎花包括縫扎、捆扎和夾扎等方法，相比而言縫扎更費時間，需要極大的耐心[6-7]。蠟染的主要操作步驟是：選擇面料→設計圖案→熔蠟→繪蠟→染色→脫蠟→后處理，其中繪蠟最費時間，也需要極大的耐心[8-9]。制作藍印花布之前首先要準備花版（包括裱紙、設計圖案、刻花版、打磨、刷桐油、陰干壓平），然后按以下步驟操作：準備坯布→刮防染漿→陰干→冷水浸泡→染色→曬干→刮灰→水洗→曬干[10]。三種印染技藝相比，藍印花布的制作過程最為復雜，蠟染其次，扎染如果采用捆扎和夾扎的方法來設計圖案則操作相對簡單一些。另外，蠟染由于受到溫度限制，主要采用靛藍染色，藍印花布也一直沿用靛藍染色工藝，而扎染除了靛藍還可采用其他各種染料進行染色。所以，扎染工藝更加靈活、產品色彩也更加豐富，扎染元素被更多地用于時裝、配飾及家居紡織品等的設計。扎染技藝并非中國所獨有，扎染圖案獨特的裝飾性視覺美感讓扎染服裝成為近年來全世界的一種流行符號。著名的時裝設計師亞歷山大·麥昆、三宅一生等多次將扎染元素用于自己的作品中，各大時裝品牌如古琦、路易·威登和巴寶莉等也多次發布以扎染元素為主題的系列服裝[11]。這是公眾對扎染的關注度高于蠟染、更高于藍印花布的重要原因。

4 結 語

2011年1月—2019年7月的百度指數表明，公眾對傳統印染技藝的關注度有所提高，其中扎染的關注度較高、而且有明顯的增長勢頭，蠟染和藍印花布的關注度相對較低、增長趨勢不明顯。窺一斑而知全豹，傳統印染技藝的傳承和振興任重而道遠。這需要政府部門的引導和扶持，也需要高校、企業和相關機構的積極參與，加強傳統工藝相關學科專業建設和理論、技術研究，提高傳統工藝產品的設計、制作水平和整體品質，拓寬傳統工藝產品的推介、展示、銷售渠道。另外，促進社會普及教育也是提高公眾對傳統印染技藝的關注度的有效措施，比如開展非物質文化遺產進校園活動，將傳統工藝納入高校人文素質課程和中小學相關教育教學活動;大中小學校組織開展體現地域特色、民族特色的傳統工藝體驗和比賽，加深青少年對傳統文化的認知;電視、網絡媒體等拍攝傳統工藝紀錄片、教學片和宣傳片，弘揚工匠精神;公共文化服務場所開展面向社區的傳統工藝展演、體驗、傳習、講座、培訓等活動，豐富民眾文化生活，增強傳統工藝的社會認同。

參考文獻：

[1]孟天廣， 趙娟. 大數據時代網絡搜索行為與公共關注度： 基于2011—2017年百度指數的動態分析[J]. 學海， 2019（3）： 41-48.

MENG Tianguang， ZHAO Juan. Research on web search behavior and public concern in the age of big data based on dynamic analysis of Baidu index from 2011 to 2017[J]. Academia Bimestrie， 2019（3）： 41-48.

[2]顧敏華， 姚建香， 湯玲. 特定關鍵詞的百度指數與流感病毒活動相關性分析[J]. 職業與健康， 2019， 35（8）： 1124-1128.

GU Minhua， YAO Jianxiang， TANG Ling. Correlation between Baidu index of specific keywords and influenza virus activity[J]. Occupation and Health， 2019， 35（8）： 1124-1128.

[3]陳聲利， 關濤， 李一軍. 基于跳躍、好壞波動率與百度指數的股指期貨波動率預測[J]. 系統工程理論與實踐， 2018， 38（2）： 299-316.

CHEN Shengli， GUAN Tao，LI Yijun. Forecasting realized volatility of Chinese stock index futures based on jumps， good-bad volatility and Baidu index[J]. Systems Engineering-Theory & Practice， 2018， 38（2）： 299-316.

[4]孫曉蓓， 楊曉霞， 張楓怡. 基于百度指數的中國A級旅游洞穴景區網絡關注度分布特征研究[J]. 西南師范大學學報（自然科學版）， 2018， 43（4）： 81-88.

SUN Xiaobei， YANG Xiaoxia， ZHANG Fengyi. Spatial features of networkattention of Chinese A-grade show caves based on Baidu index[J]. Journal of Southwest China Normal University（Natural Science Edition）， 2018， 43（4）： 81-88.

[5]吳軻威. 立德樹人視野下的高職學生工匠精神培育： 基于百度指數的大數據調查研究[J]. 職業技術教育， 2019， 7（40）： 42-48.

WU Kewei. The cultivation of craftsman spirit in higher vocational collegestudents from the perspective of moral education： research on big data based on Baidu index[J]. Vocational and Technical Education， 2019， 7（40）： 42-48.

[6]陳秀芳， 王曉， 李慶華. 微波技術在真絲織物活性染料扎染工藝中的應用[J]. 絲綢， 2016， 53（11）： 11-15.

CHEN Xiufang， WANG Xiao， LI Qinghua. Application of microwave technology in tie-dyeing of silk fabric with reactive dyes[J]. Journal of Silk， 2016， 53（11）： 11-15.

[7]陳秀芳， 郝文潔. 真絲絲巾天然染料扎染工藝探析[J]. 絲綢， 2018， 55（4）： 13-18.

CHEN Xiufang， HAO Wenjie. Tie-dyeing process of silk scarves with natural dyes[J]. Journal of Silk， 2018， 55（4）： 13-18.

[8]王華， 張春艷. 中國西南少數民族蠟染紋樣的比較研究[J]. 紡織學報， 2016， 37（4）： 101-106.

WANG Hua， ZHANG Chunyan. Comparative study of ethnic groups batik patterns in Southwest China[J]. Journal of Textile Research， 2016， 37（4）： 101-106.

[9]李倩倩， 陳國強. 貴州苗族蠟染工藝及其藝術性研究[J]. 染整技術， 2016， 38（7）： 16-19.

LI Qianqian， CHEN Guoqiang. Research of process and artistry of Guizhou Miao nationality batik[J]. Textile Dyeing and Finishing Journal， 2016， 38（7）： 16-19.

[10]吳靈姝， 吳元新， 倪沈鍵. 南通藍印花布印染技藝[M]. 北京： 化學工業出版社， 2017： 42-54.

WULingshu， WU Yuanxin， NI Shenjian. Dyeing and Printing Artistry of Nantong Blue Calico[M]. Beijing： Chemical Industry Press， 2017： 42-54.

[11]周怡， 譚欣. 扎染藝術設計新概念[M]. 北京： 中國紡織出版社， 2016：104-110.

ZHOU Yi， TAN Xin. New Concepts in Tie-dyeing Design[M]. Beijing：China Textile & Apparel Press， 2016：104-110.