A proposta desta dissertação é a implementação de soft sensors, baseados em modelos empíricos, para a estimação da pressão de fundo de poço de petróleo offshore utilizando support vector regression, svr, e unscented kalman filter, ukf. a abordagem proposta baseia-se em modelos svr construídos a partir do treinamento com dados históricos de sensores de uma planta industrial real. esses modelos são utilizados juntamente com filtros baseados no ukf em uma implementação em malha fechada para corrigir a estimação com dados em tempo real. os resultados indicam melhorias ao utilizar variáveis de fundo em relação às de topo e ao utilizar malha fechada em relação à malha aberta, além de demonstrar a capacidade de generalização de treinamento em diferentes regimes de operação do svr.