La identificación de cargas dinámicas juega un papel importante en el campo del diagnóstico de fallas y el diseño de modificaciones estructurales para aeronaves. En los enfoques convencionales de identificación de cargas dinámicas, generalmente se necesita un modelado estructural preciso, lo cual es difícil de obtener para estructuras altamente no lineales o desconocidas. En este artículo, se propone una red neuronal convolucional unidimensional con múltiples módulos para la identificación de cargas dinámicas aleatorias de aeronaves. En primer lugar, se diseña el módulo de convolución para la extracción de características temporales. En segundo lugar, las características extraídas se ponderan linealmente en función de sus contribuciones a la salida final. Las contribuciones se aprenden de manera impulsada por datos a través del módulo de atención diseñado. Por último, se predice la carga dinámica de un cierto instante de tiempo a partir de las características aprendidas y ponderadas. El modelo propuesto se entrena y prueba utilizando datos reales de un modelo de aeronave GARTEUR. Resultados experimentales extensos con evaluaciones cualitativas y cuantitativas han demostrado el rendimiento de identificación con una precisión satisfactoria del enfoque propuesto bajo diferentes intensidades de ruidos de carga.