Las ventajas son:
1. El modelo establecido puede estar estrechamente relacionado con la situación real y los problemas propuestos se pueden resolver en función de la situación real, acercando el modelo a la realidad. Realidad, universal y generalizable Más Fuerte.
2. El algoritmo basado en modelos es novedoso y fácil de calcular. La consideración basada en modelos es relativamente completa, los resultados de la simulación son más razonables, el modelo de evaluación basado en la suma de operadores es más preciso y los pesos de los factores obtenidos son más creíbles;
3. La interfaz visual es realista, fácil de operar y fácil de promocionar.
4. Este modelo no solo resuelve el problema hasta cierto punto mediante el análisis de datos experimentales, sino que también capta rápidamente las características de los datos experimentales y proporciona experiencia de referencia para construir un modelo más razonable.
5. El modelo no tiene restricciones estrictas en cuanto a la distribución de datos, el tamaño de la muestra y el número de indicadores. Es adecuado tanto para datos de muestras pequeñas como para sistemas grandes con múltiples unidades de evaluación y múltiples indicadores. y conveniente.
6. El modelo es altamente operable y tiene una amplia gama de aplicaciones. El modelo basado en probabilidad es relativamente preciso y las ponderaciones de los factores obtenidos tienen una credibilidad relativamente alta. El plan de arreglo modelo es específico y, según el modelo, se subdivide aún más y se propone un plan más detallado. El modelo propone un indicador general que puede ser ampliamente utilizado en otros campos.
7. El modelo es altamente confiable y los métodos de investigación utilizados son altamente portátiles, pero los valores estimados obtenidos pueden tener ciertas desviaciones. El modelo tiene cierta singularidad en la concepción de funciones e incorpora programación no lineal, pero el método de prueba del modelo es relativamente complicado. Las desventajas son:
8. El proceso de cálculo del modelo de predicción basado en él es engorroso, hay muchos datos, el proceso de cálculo es enorme y la programación y ejecución del programa requieren mucho tiempo.
9. La determinación (borrosidad) de los parámetros en el modelo backbone determina la dificultad relativa de su promoción, lo que requiere un procesamiento más profesional.
10. Hay muchos factores aleatorios en el proceso de formulación, lo que hace que el modelo no pueda reflejarlos con precisión. Escenarios aplicables para la modelización de poblaciones animales.