As razões das perdas de dados meteorológicos são diversas e comprometem a consistência das séries históricas, prejudicando a sua aplicação. O objetivo do trabalho foi avaliar o uso da modelagem via Random Forests para o preenchimento de falhas meteorológicas no município de Uberaba, Minas Gerais, Brasil. Foram extraídos do INMET os dados da estação meteorológica convencional do período de 19 anos para as seguintes características: Temperatura Máxima do ar (TMA), Temperatura Média do ar (TME), Temperatura Mínima do ar (TMI), Umidade Relativa do ar (UR), Precipitação (P), Insolação Diária (ID) e Evaporação Diária (ED). Para o ajuste dos modelos de aprendizado foram considerados, como variáveis de entrada, os valores de cinco dias anteriores e cinco dias posteriores a uma determinada observação y e esta foi utilizada como variável de saída. Os dados obtidos foram divididos, aleatoriamente, em duas partes: um conjunto para o treinamento e outro para o teste. Foi utilizada a raiz quadrada do erro quadrático médio (RMSE) como medida de qualidade de ajuste. Os modelos de random forests apresentaram ótimo desempenho para temperatura máxima, média e mínima (RMSE < 10%) e bom desempenho para a umidade relativa (RMSE < 20%). Para essas variáveis os modelos podem ser utilizados com sucesso no preenchimento de falhas. Para a insolação diária, precipitação total e evaporação diária os modelos apresentam fraco desempenho (RMSE > 20%) e assim são considerados ineficientes no preenchimento das falhas