Este trabalho apresenta uma comparação entre diversos modelos estatísticos clássicos (Suavização Exponencial Simples (SES), Holt, Holt-Wintes (HW), Autoregressivo (AR), Média Móvel (MA) e Autoregressivo de Média Móvel (ARMA)) e o modelo de rede neural recorrente Long Short Term Memory} (LSTM), na tarefa de realizar a previsão do volume de chamadas recebidas por um Call Center. A metodologia consistiu em obter os dados de um sistema de call center e dividi-los em partições de treino e teste usando um método estático e outro dinâmico. Em seguida, foi utilizado o método de validação cruzada Blocked Cross-Validation (CV-Bl) com 10 partições. Com base na metodologia aplicada no particionamento da base de dados, dois tipos modelos de previsão para cada método estatístico, chamados de modelos estático e dinâmico, foram desenvolvidos. Os modelos foram avaliados pela métrica root mean squared error (RMSE) normalizado. Os melhores resultados foram obtidos pelos modelos AR CV-Bl dinâmico (RMSE=14,7%), ARMA CV-Bl dinâmico (RMSE=15,2%) e LSTM (RMSE=15,4%).