欢迎来到 SO！看起来你有一个时间序列问题。通常，处理时间序列的第一步是考虑差异。让我们将的燃料水平。您需要计算。$f(t)$$t$$diff_{\text{fuel}}(t) = f(t) - f(t - 1)$

在此步骤之后，您可能会看到您识别为不良数据的峰值是异常值。例如，您可以通过查看低于和高于 2.5 个百分位或 5 个百分位的所有数据来检测这些。通常这需要一些仔细的分析工作，以确保您不会删除太多。一旦您确定了最佳可行百分位数是多少，您就可以对数据进行Winsorize。

最后，您将查看结果分布底部的数据点。这些很可能是您认定为盗窃的点。

我希望这有帮助。

因此，正如我的评论所建议的那样，我认为有一种相对简单的方法可以解决这个问题。那是傅里叶变换。我现在回想起来，在频域中表示信号时，删除部分基于时间的信号很容易。因为只需对信号应用滤波器以去除信号中不需要的分量。在您的情况下，这些尖峰（突然变化）看起来像频域中的高频信号。所以理论上，您应该能够对转换后的数据应用低通滤波器以消除尖峰（假货），然后将滤波后的信号转换回时域。然后就像这样，您已经摆脱了数据中的所有这些突然变化。

重申。

1. 使用傅里叶变换的一些变体将现有信号（您的数据）转换为频域。

2. 对变换后的信号（变换后的数据）应用低通滤波器。请注意，您需要为低通滤波器选择合适的截止频率。这应该相对简单，因为您的大部分数据变化非常缓慢。

3. 将傅里叶变换的逆变换应用于变换后的数据，以将其带回时域。你的峰值现在应该在你的数据中消失了。

这是一个非常简单的过程，使用 DSP 库的任何语言都只需要大约 3~4 行代码。