[pt] A análise de fluxo de água sob condição transiente não saturada requer o conhecimento das propriedades hidráulicas do solo. Essas relações constitutivas, denominadas curva característica e função de condutividade hidráulica, são descritas através de modelos empíricos que geralmente possuem vários parâmetros que devem ser calibrados com relação a dados coletados. Muitos dos parâmetros nos modelos constitutivos não podem ser medidos diretamente em campo ou laboratório, mas somente podem ser inferidos de forma significativa a partir de dados coletados e da modelagem inversa. Para obter os parâmetros do solo com a análise inversa, um algoritmo de otimização de busca local ou global pode ser aplicado. As otimizações globais são mais capazes de encontrar parâmetros ótimos, no entanto, a solução direta, por meio da modelagem numérica é computacionalmente custosa. Portanto, soluções analíticas (modelo substituto) podem superar essa falha acelerando o processo de otimização. Nesta dissertação, apresentamos a Regressão Polinomial Evolucionária (EPR) como uma ferramenta para desenvolver modelos substitutos do fluxo não saturado. Um rico conjunto de dados de parâmetros hidráulicos do solo é usado para calibrar o nosso modelo, e dados do mundo real são utilizados para validar nossa metodologia. Nossos resultados demonstram que o modelo da EPR prevê com precisão os dados de carga de pressão. As simulações do modelo se mostram concordantes com as simulações do programa Hydrus. / [en] Water flow analyses under transient soil hydraulic conditions require knowledge of the soil hydraulic properties. These constitutive relationships, named soil-water characteristic curve (SWCC) and hydraulic conductivity function (HCF) are described through empirical models which generally have several parameters that must be calibrated against collected data. Many of the parameters in SWCC and HCF models cannot be directly measured in field or laboratory but can only be meaningfully inferred from collected data and inverse modeling. In order to obtain the soil parameters with the inverse process, a local or global optimization algorithm may be applied. Global optimizations are more capable of fiding optimum parameters, however the direct solution through numerical modeling are time consuming. Therefore, analytical solutions (surrogate models) may overcome this shortcomming by accelerating the optimization process. In this work we introduce Evolutionary Polynomial Regression (EPR) as a tool to develop surrogate models of the physically-based unsaturated flow. A rich dataset of soil hydraulic parameters is used to calibrate our surrogate model, and real-world data are then utilized to validate our methodology. Our results demonstrate that the EPR model predicts accurately the observed pressure head data. The model simulations are shown to be in good agreement with the Hydrus software package.