Este trabalho apresenta uma revisão dos principais conceitos das wsn e aborda um de seus principais problemas, que é o consumo de energia. isso é feito a partir dos dados coletados por uma rede implantada na usina hidrelétrica de cachoeira dourada. primeiro, uma análise exploratória de dados da wsn usando métodos estatísticos e de aprendizado de máquina foi realizada para descobrir padrões e entender o estado atual da rede. a análise forneceu informações sobre quais nós são mais estáveis, correlações entre os dados que podem ser explorados para otimizar as transmissões e informações sobre a estabilidade dos links. o trabalho também propõe a utilização de um modelo de deep learning, em esquema de predição dual, para reduzir as transmissões entre dispositivos da rede, diminuir o congestionamento e economizar energia na transmissão. para fazer isso, uma revisão das estratégias de previsão de dados em wsn s é realizada. diferentes modelos baseados em redes neurais são introduzidos e comparados usando diferentes métricas de erro na predição. finalmente, uma medida da redução na transmissão é dada, considerando diferentes limiares de erro. os resultados mostram que o modelo pode economizar uma quantidade considerável de dados na transmissão e ainda manter uma boa representação dos dados medidos.