본 논문은 복잡한 시스템의 실시간 상태 모니터링을 위해 이기종 시간적 특성을 갖는 센서 데이터를 활용하는 이기종 시간적 그래프 신경망(HTGNN) 프레임워크를 제안합니다. 물리적 센서의 한계를 극복하기 위해, 다양한 모달리티와 샘플링 주파수를 갖는 센서 데이터와 운영 조건을 통합하여 접근 불가능한 매개변수를 추정하고 시스템 상태를 추론합니다. 베어링 부하 예측과 교량 활하중 예측을 위한 두 개의 새로운 데이터셋을 사용하여 HTGNN의 성능을 평가한 결과, 기존 방법보다 우수한 성능을 보였으며, 특히 다양한 운영 조건 하에서 그 효과가 뛰어났습니다. 이는 HTGNN이 복잡한 시스템의 강력하고 정확한 가상 센싱 접근 방식으로서 모니터링, 예측 유지보수 및 시스템 성능 향상에 기여할 가능성을 보여줍니다. 코드와 데이터는 깃허브에서 공개됩니다.
