Aliada às novas tecnologias de aprendizado de máquina, a disponibilidade crescente de dados em campos de petróleo e gás, e nos sistemas de produção e plataformas subjacentes, permite que a síntese de modelos de processos seja realizada de forma automática e em tempo real. Tal tendência tem se tornado conhecida com a digitalização das informações nos campos de petróleo e gás, que através do uso de dados em modelos e algoritmos busca otimizar os processos produtivos e elevar os níveis de recuperação dos ativos. Desta forma, devido às dificuldades computacionais de simulação de reservatórios reais, o uso de identifica- ção de sistemas para construir modelos matemáticos de reservatórios se torna extremamente útil no que diz respeito à otimização da produção, principalmente a curto prazo. Assim, dentro desta temática, o presente trabalho buscará desenvolver modelos discretos do tipo ARX e ARMAX, utilizandos técnicas on-line e off-line de identificação de sistemas. Estes modelos aproximados, também conhecidos como modelos “proxy”, são construídos com base em dados históricos para predição de variáveis de interesse de poços produtores e injetores no curto prazo.