服装行业快速发展,在全球经济中占有重要地位。服装企业需要快速且准确的理解当前市场的服装流行元素趋势才能不断的调整自己的生产策略来适应市场。尤其在快时尚地影响下,这种提前知晓服装流行元素趋势的能力就变得愈发重要。依托课题组的东莞市虎门服装协作创新中心的服装云设计交易平台项目,本文研究基于深度学习相关技术预测未来的服装流行元素趋势,设计并实现了一个服装流行元素趋势预测系统,提供给服装生产销售企业和服装消费者进行实时查询以及分析未来的服装流行元素趋势。当前对服装流行元素趋势预测方面的研究存在的问题是只能对简单的服装流行趋势进行建模预测,且大多数研究都忽略了服装领域相关的专业知识。服装流行元素趋势预测本身就是服装领域的一个专业研究方向,相关研究也是需要根据服装流行元素趋势数据的特点进行。首先本文根据某些服装流行元素会同时出现的特点,构建服装流行元素之间的共存关系。然后本文依据服装流行元素趋势具有周期性以及有着重复且相似的生命周期的特点,提出了基于趋势相似度的注意力机制,对服装流行元素趋势数据进行建模。本文的主要工作如下:（1）首先本文提出了一个基于Efficient Net-b7模型的服装属性预测器,能够自动快速且准确的获取服装图像上的元素属性,为接下来的趋势预测提供数据支持。然后本文基于不同地区的不同人群对当前服装流行趋势看法存在差异,把服装流行元素按照用户信息中性别和地区分组后进行统计,预测每个用户组的不同服装服装流行元素趋势未来变化方向。对分组后的趋势数据使用基于Bi LSTM的编码器解码器框架构建相应模型,并利用服装流行元素之间的共存关系辅助趋势预测。实验结果表明所提出的模型能够准确的预测未来的变化趋势并优于现有的方法。（2）过长历史趋势信息中存在冗余的趋势信息,对趋势预测的结果会造成一定影响,同时根据服装流行元素趋势变化存在着周期性的特点,本文提出了一种基于趋势相似度的注意力机制。通过比较历史信息同最近一段时间趋势的相似度,将相似的历史信息的接下来的趋势信息作为影响未来的变化趋势重要影响内容。通过这种方法构建的基于Bi LSTM的编码器解码器框架的预测模型能够对服装流行元素趋势进行准确地预测。半年的预测相较于最新的KERN模型在MAE以及MAPE上分别有5.09%以及4.54%的提升。（3）通过对服装流行元素趋势预测的研究,本文设计并实现了一个服装流行元素趋势预测系统。其能够自动的提取服装图像上的服装流行元素属性,并整合图像带有的用户信息将服装流行元素趋势分组。根据历史数据,系统能够准确的预测未来的服装流行元素趋势变化方向,按照不同人群的提供给用户进行查询。