En la estimación de futuras inversiones en la industria eólica marina, la fase de operación y mantenimiento (O&M) juega un papel importante. En la simulación de las cifras de O&M, las condiciones meteorológicas deben contener información sobre las principales características de las olas y la velocidad del viento. Dado que estos parámetros están correlacionados, se simularon utilizando un enfoque multivariante, generando así vectores de mediciones. Se investigaron cuatro generadores de series temporales meteorológicas estocásticas diferentes: cadenas de Markov (MC) de primer y segundo orden, modelos autorregresivos vectoriales (VAR) y redes neuronales de memoria a corto y largo plazo (LSTM). Los modelos se entrenaron con un conjunto de datos de 40 años con una resolución de 1 hora. Posteriormente, los modelos simularon series temporales de 25 años, que se analizaron en función de varias métricas y criterios de series temporales. Se demostró que el MC (especialmente el de segundo orden) y el modelo VAR eran los que mejor capturaban las características de la serie temporal original. La novedad de este artículo radica en la aplicación de modelos LSTM y MC de orden superior multivariantes para generar series temporales meteorológicas marinas y comparar sus simulaciones con las de los modelos VAR. Se proporcionan recomendaciones finales para mejorar estos modelos como conclusión de este artículo.