基本建模方法可以分為不同的類別，包括數學建模、計算機圖形學建模和決策科學中的建模方法。以下是各領域內的一些基本建模方法：
數學建模。類比法，通過比較未知問題與已知模型的關係，利用已知模型的結論來解決問題。量綱分析法，在物理領域中，利用量綱齊次性來分析各物理量之間的關係，簡化實驗和整理成果。差分法，將微分方程轉化為代數方程，適用於離散動態系統的建模。蒙特卡羅算法，通過計算機仿真來解決問題，適用於檢驗模型的正確性。數據擬合、參數估計、插值等數據處理算法，用於處理大量數據。最佳化理論的非經典算法，如模擬退火法、神經網路、遺傳算法，用於解決困難的最最佳化問題。
計算機圖形學建模。多邊形建模，通過使用多邊形格線表示或近似對象表面，適合實時計算機圖形套用。曲面建模，使用曲線和曲面來定義造型，適用於創建曲面物體。參數化建模，通過參數而非數字建立和分析模型，適用於設計過程中的靈活調整。直接建模，包括多邊形和樣條建模，適用於創建複雜的3D對象。
決策科學中的建模方法。層次分析法(AHP)，將決策元素分解成層次進行定性和定量分析。多屬性決策，利用已有的決策信息對備選方案進行排序或擇優。灰色預測模型，根據少量的、不完全的信息進行預測。Dijkstra算法和Floyd算法，分別用於尋找最短路徑和動態規劃問題。
這些方法各自適用於不同的套用場景和需求，可以相互結合以解決更複雜的問題。