O aumento das emissões de dióxido de carbono (CO2) desde a Revolução Industrial, causado principalmente pela queima de combustíveis fósseis, atividades industriais e queimadas agrícolas, como as ocorridas recentemente, tem levado à maior absorção de CO2 pelos oceanos. Esse processo natural, agravado pelo excesso de CO2 na atmosfera, resulta na formação de ácido carbônico (H2CO3), intensificando a acidificação das águas marinhas. A acidificação afeta diretamente organismos calcificadores, como plânctons, moluscos e corais, ameaçando as cadeias alimentares marinhas. O método atual de medição do carbono inorgânico dissolvido (DIC), que inclui CO2, carbonatos e bicarbonatos, envolve titulações laboratoriais demoradas, sem um equipamento comercial consolidado para tal medição. Diante desse cenário, surge a pergunta: é possível determinar os níveis de DIC na água do mar por meio de uma equação que correlacione as medições de pH, salinidade e temperatura, parâmetros de fácil determinação? O projeto tem como objetivo desenvolver um modelo matemático capaz de medir a concentração de DIC de forma rápida e precisa, utilizando dados do portal NCEI (National Center of Environmental Information). Quatro metodologias principais foram utilizadas no desenvolvimento do modelo. A primeira foi o uso do Solver no Excel, onde uma função polinomial foi ajustada aos dados de pH, salinidade, temperatura e concentração de CO2. A segunda envolveu a programação em Python, utilizando a mesma função polinomial para otimizar a equação. A terceira foi a aplicação de regressão simbólica, também em Python, que buscava encontrar uma equação representativa dos dados. A última metodologia foi a implementação de redes neurais artificiais, usando a biblioteca Keras em Python. O modelo de rede neural foi treinado com aprendizado supervisionado para identificar as melhores relações entre os dados, com uma verificação integrada para garantir a qualidade do modelo. Além disso, foi explorada a Floresta Randômica, uma técnica de aprendizado de máquina adequada ao problema, surtindo melhores resultados. Uma interface gráfica foi desenvolvida para permitir que o usuário insira valores de pH, salinidade e temperatura de uma nova amostra, e o sistema calcula automaticamente a concentração de DIC. Os resultados mostraram-se satisfatórios, indicando que o modelo pode ser uma alternativa viável para otimizar as medições desse parâmetro. O projeto avança com o desenvolvimento de um analisador de DIC, utilizando uma placa Arduino UNO conectada a sensores de pH, salinidade e temperatura. O pH é medido por um pHmetro, a salinidade por um sensor ultrassônico e a temperatura por um termômetro. Esses dados são inseridos no modelo, permitindo uma análise mais rápida e eficiente do DIC. Isso contribuirá significativamente para o monitoramento e controle da acidificação dos oceanos, mitigando seus impactos nos ecossistemas marinhos. A implementação de tal solução é essencial para evitar um agravamento irreversível da acidificação dos oceanos, que poderia comprometer a biodiversidade marinha e afetar diversas espécies dependentes desses ecossistemas. Palavras chave: DIC; acidificação; modelo matemático; Rede Neural.