Los datos de olas juegan un papel crítico en el diseño de estructuras en alta mar y en estudios de vulnerabilidad costera. Por diversas razones, como fallos en el equipo, los datos de olas a menudo son incompletos. A pesar del interés en completar los datos, pocos estudios han considerado construir un modelo de aprendizaje automático con mediciones de viento disponibles públicamente como entrada, mientras que los datos de viento de modelos de reanálisis son comúnmente utilizados. En este trabajo, se construyen y prueban redes neuronales artificiales (ANN) para completar los datos de olas faltantes y extender las mediciones originales de olas en una cuenca con un fetch limitado donde predominan las olas de viento. Las características de entrada para la ANN se obtienen de la Base de Datos de Superficie Integrada (ISD) disponible públicamente, mantenida por NOAA. La precisión de las ANN también se compara con un modelo de olas de reanálisis de última generación, MEDSEA, mantenido en el Servicio Marítimo Copernicus. Los resultados de este estudio muestran que las ANN pueden completar con precisión los datos de olas faltantes y también extenderse más allá del período de medición, utilizando la magnitud de la velocidad del viento y la dirección del viento de estaciones meteorológicas cercanas. Los datos de reanálisis de MEDSEA mostraron una mayor dispersión en comparación con las alturas significativas de olas reconstruidas a partir de la ANN. Específicamente, MEDSEA mostró un índice un 22% más alto para la expansión de datos de olas y un índice un 33% más alto para completar puntos de datos de olas faltantes.