ضریب حساسیت  ، میدان حساسیت دمای اندازه‌گیری شده  با توجه به تغییرات پارامتر مجهول p می‌باشد. میزان اندک  نشان‌دهنده این است که تغییرات زیاد  باعث تغییرات اندکی در  می‌شوند به‌آسانی قابل‌فهم است که در این‌گونه موارد تخمین  کاری دشوار می‌باشد زیرا عملاً هر مقدار  گستره بزرگی از  ها را در برمی‌گیرد. در حقیقت وقتی ضریب حساسیت کوچک است بوده و مسئله ما ناهنجار می‌باشد. به همین علت داشتن ضرایب حساسیت غیر وابسته خطی با اندازه بزرگ مطلوب می‌باشد، تا مسئله معکوس به خطاهای اندازه‌گیری حساس نبوده و پارامترها به‌صورت دقیق تخمین زده شوند. لازم است که تغییرات ضریب حساسیت قبل از حل مسئله آزمایش شود. این‌گونه آزمایش‌ها بهترین مکان حس‌گر و زمان اندازه‌گیری در طی حل را به دست می‌دهد.
لونبرگ - مارکارت برای کاستن از این وابستگی، از دو پارامتر  (عامل استهلاک^[۷۲]) و  (ماتریس قطری^[۷۳]) استفاده کردند. هدف از اعمال ترم  کاهش نوسانات و ناپایداری‌ها در طی شرایط ناهنجار؛ از طریق بزرگ کردن مؤلفه‌هایش در مقایسه با  در شرایط موردنیاز، می‌باشد.

عامل استهلاک در ابتدای پروسه تکرار بزرگ در نظر گرفته می‌شود تا در ناحیه اطراف حدس اولیه بکار رود. با کمک این روش دیگر لازم نیست ماتریس  در ابتدای پروسه نامساوی صفر باشد. چون در ابتدا ضریب  بزرگ است. روش لونبرگ یک به سمت متد کاهشی شدید گرایش دارد، اما با ادامه پروسه تکرار و کوچک‌تر شدن ضریب  در طی این پروسه، روش به سمت روش گوس^[۷۴] گرایش پیدا می‌کند. شرط توقف پیشنهادی توسط دنیس^[۷۵] و شنابل^[۷۶] کوچک بودن فرم کوچک‌ترین مربعات، گرادیان تابع مجهول و همگرایی پارامترها را چک می‌کند.
الگوریتم محاسباتی لونبرگ - مارکارت را می‌توان در موارد استفاده از چندین حس‌گر ارتقا بخشید.
۲-۸-۵-۲ روش‌های محاسبه ضرایب حساسیت
روش‌های متعددی جهت محاسبه ضرایب حساسیت موجود است که در ادامه سه نمونه از آن‌ها ذکرشده است.
تحلیل مستقیم^[۷۷]
مسائل مقدار مرزی^[۷۸]
تقریب تفاضل محدود^[۷۹]
روش تحلیل مستقیم: اگر مسئله مستقیم هدایت خطی بوده و حل تحلیل برای حوزه دمایی موجود باشد، ضریب حساسیت با تفاضل گیری جواب در جهت  (پارامتر نامعلوم) به دست می‌آید.
اگر  غیر وابسته به  باشد، آنگاه مسئله معکوس جهت محاسبه  خطی خواهد بود.
در مسائلی که چندین درجه بزرگی موجود باشد، ضریب حساسیت نسبت به هرکدام از پارامترها باید چندین مرتبه بزرگ‌تر باشد که این موضوع خود باعث ایجاد مشکلات و سختی‌هایی در مقایسه و شناسایی وابستگی خطی بودن شود. این سختی‌ها را می‌توان با آنالیز ابعادی ضرایب حساسیت یا با بهره گرفتن از فرمول زیر کاهش داد:

با توجه به اینکه ضریب حساسیت ذکرشده در بالا هم واحد با درجه حرارت است، مقایسه مرتبه بزرگی آن راحت‌تر است.
مسائل مقدار مرزی: یک مسئله مقدار مرزی می‌تواند با تفاضل گیری از مسئله مستقیم اصلی نسبت به ضرایب مجهول جهت به دست آوردن ضرایب حساسیت بکار رود. اگر مسئله هدایت مستقیم خطی باشد، ساختار مسئله حساسیت مربوطه ساده و مستقیم است. در حالت‌های پیشرفته حل ضرایب حساسیت می‌تواند بسیار زمان‌بر باشد و بایستی از روش‌های عددی مثل تفاضل محدود بهره گرفت.
تقریب تفاضل محدود: می‌توان تفاضل اول ظاهرشده در تعریف  را از طریق تفاضل پیشرو یا تفاضل مرکزی حل کرد اما برای حل به این روش لازم است N مجهول اضافی در حالت اول و N2 مجهول اضافی در حالت دوم محاسبه شود که خود بسیار زمان‌بر خواهد بود.
۲-۸-۶ تکنیک II
۲-۸-۶-۱ متد گرادیان مزدوج^[۸۰]
روش گرادیان مزدوج روش تکرار مستقیم و قدرتمندی درزمینه حل مسائل خطی و غیرخطی معکوس می‌باشد. در پروسه تکرار، در هر تکرار یک گام مناسب در جهت ترولی^[۸۱] انتخاب می‌شود تا تابع موردنظر را کاهش دهد.
جهت نزولی از ترکیب خطی جهت منفی گرادیان در گام تکرار حاضر با جهت نزولی تکرار پیشین به دست می‌آید. این ترکیب خطی به‌گونه‌ای است که زاویه جهت نزولی و جهت منفی گرادیان کمتر از باشد تا مینیمم شدن تابع موردنظر حتمی گردد[۳۴,۳۷-۳۹]. روش گرادیان مزدوج با شرط توقف مناسب به‌دست‌آمده از تکنیک تنظیم تکرارها^[۸۲]، که در آن مقدار تکرارها به‌گونه‌ای انتخاب می‌شود که جواب پایدار به دست دهد، در حل مسائل معکوس بکار می‌رود.
الگوریتم روش به‌صورت گام‌های زیر است:
مسئله مستقیم
مسئله معکوس
پروسه تکرار
شرط توقف
الگوریتم محاسباتی
در ادامه به بررسی گام‌های فوق پرداخته خواهد شد.
در حل مسئله معکوس شار حرارتی مجهول را به‌صورت تابعی خطی به فرم زیر در نظر می‌گیریم:

که در آن  تابع تست معلوم و  پارامترهای مجهول می‌باشند.
بدین ترتیب تخمین تابع مجهول  به تخمین پارامترهای مجهول  ،  تقلیل می‌یابد. این‌گونه پارامترها را می‌توان با روش تفاضل مربعات مجهولی^[۸۳] حل کرد.