找序列的变化规律的模型用什么方法 —— 机器学习、神经网络、数据挖掘、数据分析

有这样的若干个浮点数数组，例如list = [123.1, 101.2, 90.7, ... , 66.3, 99.3, 53.2]，也即一维的序列，长度大约3000左右，但不固定。

为了方便表示，我将其画成了下面的几幅图a，蓝色的散点就是元素值，其中有骤升骤降的部分，不连续。序列是能找出一定规律的，如右边的b图：每个数组都可以有一个大致的位置X0，如图中红色分隔线，这个X0可以将图像分为左右两部分，左部分没有规律，右部分有规律，如绿色框所示。

像这样的数组有K个，每个数组的长度都不一样，这里只画出了其中三个。

数据集就是上面的K个数组和K个X0，也即一共K个长度不定（长度3000左右）的浮点数组，和每个数组对应的分隔线的横坐标X0。

**我的问题是，能用什么算法或方法训练上面的数据集，根据已有的K个数据序列和X0，训练出一个模型，然后使用这个模型推理一个新的数组，得到这个数组的分隔线横坐标值X0’。

我的预期是搭建一个小的神经网络，但我不知道这在原理上可不可行，如果使用神经网络可以用哪种？
或者可以使用其他算法？
数组个数K的大约需要多少？**