[pt] As reservas são os principais ativos responsáveis pela valoração das companhias petrolíferas frente ao mercado mundial. No entanto, para definir qualquer volume de hidrocarboneto como reserva, se faz necessária a construção de um plano de desenvolvimento para explorar e comercializar todo óleo e gás disponíveis. Com isso, o conhecimento prévio do volume de hidrocarbonetos se torna estratégico para antecipar o desenvolvimento e facilitar a obtenção de investimentos. O objetivo dessa dissertação é propor uma metodologia de previsão de reservas através de melhorias nos métodos propostos por Knoring et al. (1999) e Barcelos (2006). A primeira melhoria se refere à otimização do ajuste dos modelos propostos às séries históricas de volume recuperável através de um método iterativo para fornecer soluções iniciais ao método de estimativa dos mínimos quadrados não lineares. A segunda melhoria ocorre no processo de escolha do melhor modelo, evitando que todo o processo necessite ser revisto após a inserção de novos dados às series históricas a cada ano. Para analisar a eficácia do trabalho proposto, o método é aplicado à 7 séries históricas de volume recuperável e comparadas com a atual metodologia de previsão de reservas utilizada pela companhia patrocinadora do estudo. / [en] Reserves are the main assets responsible for valuation of oil companies in the world market. However, to set any volume of hydrocarbon as reserves, it is necessary to develop a business plan to exploit and commercialize all oil and gas available. Therefore, the prior knowledge of the volume of hydrocarbons becomes strategic to anticipate the development and facilitate the acquisition of investments. The goal of this dissertation is to propose a methodology for reserves forecasting through improvements in the methods proposed by Knoring et al. (1999) and Barcelos (2006). The first improvement is related to optimize the fit of the proposed models for recoverable volume time series via an iterative method to provide initial solutions to the nonlinear least squares estimation method. The second improvement occurs in the process of choosing the best model avoiding the whole process needs to be revised after inserting new data to historical series each year. To analyze the effectiveness of the proposed work, the method is applied to seven recoverable volume time series and compared with the current methodology of reserves forecasting used by the company sponsoring the study.