최근 주행 차량에 다량의 센서가 부착되면서 다채널 타임시리즈 데이터가 확보되고 있다. 또한 이러한 데이터를 분석하여 패턴을 파악하는 것이 다양한 목적을 위해 사용되고 있다. 본 과제에서는 스트레인 센서로 부터 확보된 스트레인 행렬값으로 하중 센서로 부터 확보된 하중 행렬 값을 도출해내는 목적을 띄고 있다. 다음과 같은 작업이 수행되면 하중을 측정하기 위한 센서를 머신러닝을 사용한 센서 값으로 대체가능하게된다. 따라서 하중을 측정하기위해 사용되는 센서 비용, 센서 부착 비용 및 데이터 수집 비용 등을 절감할 수 있는 효과를 지니게 된다. 본 과제에서는 이를 해결하기위해 Time-lag을 고려한 딥러닝 예측모델을 사용하였다. 센서 간의 time-lag을 반영하기위해 입력 데이터를 window 단위로 관측치를 변경하였고 따라서 t시점의 하중예측을 위해 t시점의 x값 뿐만 아니라 그 전 시점의 다시점 x값이 사용된다.  이와 같은 방법은 time-lag을 고려하지 않은 방법론과 비교하여 예측 성능을 크게 향상시킬 수 있었다.