El método del Conjunto Analógico (AnEn) permite la reconstrucción de observaciones meteorológicas o predicciones determinísticas para una variable y estación específicas utilizando datos de la misma estación o de otras estaciones cercanas. Sin embargo, dependiendo de la dimensión y granularidad de los conjuntos de datos históricos utilizados para la reconstrucción, este método puede ser computacionalmente muy exigente incluso si se utiliza la paralelización. En este trabajo, se modifica el método clásico AnEn para que los análogos se determinen utilizando el agrupamiento K-means. El enfoque combinado propuesto permite el uso de varios predictores de manera dependiente o independiente. Debido a la flexibilidad y adaptabilidad de este nuevo enfoque, es necesario definir varios parámetros y opciones algorítmicas. Los efectos de los parámetros críticos y principales opciones se probaron en un gran conjunto de datos de estaciones meteorológicas del mundo real. Los resultados muestran que un monitoreo y ajuste adecuados del nuevo método permiten una mejora considerable del rendimiento computacional de la tarea de reconstrucción manteniendo la precisión de los resultados. En comparación con el método clásico AnEn, la variante propuesta es al menos 15 veces más rápida cuando el procesamiento es en serie. Ambos enfoques se benefician del procesamiento paralelo, siendo la variante de K-means siempre más rápida que el método clásico bajo ese régimen de ejecución (aunque su ventaja de rendimiento disminuye a medida que se utilizan más hilos de CPU).