Pilihan terakhir, dengan batasan waktu, memberikan sesuatu yang penting dalam menjaga

kestabilan model yang mungkin serupa dengan model yang menjadi referensi. Jika ukuran besar
yang digunakan, contoh 10.0, model tersebut untuk waktu yang selanjutnya akan sangat mirip
dengan model referensi. Efektifitas yang minimum ini mengubah tepatnya model waktu dan
mereduksi kemungkinan adanya noise dari kumpulan data yang menyebabkan perubahan antara
kedua model. Bagaimanapun, ini adalah akibat dari meningkatnya kesalahan data, yaitu
perbedaan RMS antara hasil perhitungan dan data yang ada. Kesalahan tersebut menghasilkan,
nilai sebanyak 3.0 yang digunakan untuk batasan waktu. Nilai sebanyak 1.0 digunakan yang
terpenting untuk meminimalkan perubahan waktu dalam model dan meminimalkan kesalahan
data RMS.