Séries temporais são essenciais para entender fenômenos físicos e permitem a modelagem para previsões futuras de variáveis naturais. No entanto, obtê-las pode ser desafiador devido a falhas e custos de manutenção dos equipamentos, levando a perdas de dados que prejudicam a análise. Pesquisadores tentam preencher essas lacunas com valores plausíveis, mas métodos inadequados podem gerar viés. Técnicas como média de pontos vizinhos, maximum likelihood e algoritmos de aprendizado de máquina têm sido usadas para recuperar dados, cada uma com vantagens e desvantagens. Neste trabalho, métodos de Machine Learning serão aplicados para recuperar dados em séries temporais geofísicas.