Este estudio propuso diferentes técnicas para estimar la composición isotópica (O), salinidad y temperatura/temperatura potencial en el Mar Mediterráneo utilizando cinco variables diferentes: (i-ii) coordenadas geográficas (Longitud, Latitud), (iii) año, (iv) mes y (v) profundidad. Se desarrollaron tres tipos de modelos basados en redes neuronales artificiales (ANN), bosques aleatorios (RF) y máquinas de vectores de soporte (SVM). Según los resultados, los modelos de bosques aleatorios presentan la mejor precisión de predicción para la fase de consulta y pueden ser utilizados para predecir la composición isotópica (error porcentual absoluto medio (MAPE) alrededor del 4.98%), salinidad (MAPE por debajo del 0.20%) y temperatura (MAPE alrededor del 2.44%). Estos modelos podrían ser útiles para trabajos de investigación que requieran el uso de datos pasados para estas variables.