近年来，随着社会的发展，流行时尚成为人们在精神层面的重要追求之一，深入人们生活的方方面面。流行趋势可以反映社会心理现象，创造出巨大的商机。服装业作为时尚行业的代表，必须提前预测流行趋势，以应对市场的变化。服装的变化是由不同的设计元素组合而成的风格变化体现的，且如今消费者影响流行趋势，Web信息中蕴藏着他们的态度和行为，因此基于Web信息研究服装风格流行趋势预测很有价值。然而，之前的学者对服装流行趋势预测的研究通常集中在设计元素或服装销量上，极少利用Web信息研究服装风格，并且存在对流行的度量不完善的问题。同时，服装风格变化大、流行周期短，其搜索和销售等相关历史数据也较少。因此本文研究如何基于少量Web信息从设计元素出发来预测服装风格的流行趋势，可以为设计师创作和商家备货提供参考。
　　首先，本文构建了服装风格流行度理论模型。针对服装风格部分，本文通过研究服装设计元素相关文献资料，建立了服装设计元素二级分类体系，便于梳理设计元素及其对应类别。再利用数据挖掘方法分别挖掘用户关注和倾向于购买的服装设计元素，将这些设计元素与服装设计元素二级分类体系建立映射，可得核心设计元素类别。从这些类别中随机各取一值进行组合，可构建出多个基本的服装风格，形成一个服装风格库，该库中的基本风格即作为本文的研究对象。针对流行度部分，本文构建结合情绪和搜索两部分的流行度的表示模型，并挖掘出对流行起积极影响的情绪。
　　其次，构建并求解两阶段的服装风格流行趋势预测模型。第一阶段分别以灰色模型和BP神经网络为基础，根据本文的实际需求进行相应的改进，然后利用Adaboost算法中的根据误差计算进行赋权的方法来组合，构建服装风格流行度预测模型。第二阶段以第一阶段的服装风格流行度预测模型为基础，往后预测几个目标时段，在预测过程中加入前面原始数据列的平均误差来进行修正，然后通过与原始数据列的平均趋势进行比较，识别各服装风格在未来的流行度变化形成的趋势，并计算每个目标时段的服装风格的流行度的综合排名，识别后面每个目标时段哪些服装风格会更流行。
　　最后，基于服装风格流行度理论模型，设计将风格关键词拓展为带情绪的搜索语句的数据获取方法。通过该方法收集数据进行统计，应用本文提出的基于Web信息的服装风格趋势预测方法进行实验分析。并通过实验选择本文模型的最佳参数，同时与其他模型进行比较。结果表明，本文提出的预测方法预测误差最小，准确率最高，验证了本文预测方法的有效性。