Kürzlich wurde eine innovative Methode zur Regression der thermodynamischen Eigenschaften reiner Flüssigkeiten vorgeschlagen. Die Technik, die als erweiterte Zustandsgleichung bezeichnet wird, verwendet einen Rahmen, der der erweiterten Methode der entsprechenden Zustände ähnelt, jedoch wird anstelle der Zustandsgleichung der Referenzflüssigkeit eine kubische Gleichung angenommen, und die Formfunktionen werden durch ein mehrschichtiges Feedforward-neuronales Netzwerk ausgedrückt. Die Verwendung eines neuronalen Netzes gewährleistet eine sehr hohe Flexibilität der zu regressierenden Funktionsform, so dass das resultierende Modell eine Darstellungsgenauigkeit erreicht, die mit derjenigen vergleichbar ist, die die nach dem Stand der Technik bekannten Multiparameter-Zustandsgleichungen bei der Darstellung der thermodynamischen Eigenschaften eines reinen Fluids erreichen. Die Technik wurde hier auf Schwefelhexafluorid angewendet, um seine spezielle Zustandsgleichung in einem heuristischen Modus direkt aus den verfügbaren experimentellen Daten zu ziehen. Für Schwefelhexafluorid (kritischer Punkt liegt bei Tc=318,7232K und Pc=3.754983MPa) sind experimentelle Daten mehrerer Eigenschaften in homogenen Zuständen und von Eigenschaften im Phasengleichgewicht verfügbar. Die Daten decken ungefähr den Bereich von der Dreipunkttemperatur bei 223.6upto625K und für Drücke bis zu 60Mpa ab. Das Regressionsverfahren wurde auf einer Teilmenge gut verteilter Dichte– und Dampf-Flüssigkeits–Koexistenzdaten, dem sogenannten „Trainingssatz“, entwickelt, und das Modell wurde nacheinander für alle Datensätze validiert, einschließlich der Literaturquellen, die Werte der isobaren Wärmekapazität, der Schallgeschwindigkeit und des Joule-Thomson-Koeffizienten. Die erhaltenen Ergebnisse sind zufriedenstellend; Tatsächlich stellt die vorgeschlagene Zustandsgleichung die verfügbaren Daten innerhalb ihrer experimentellen Genauigkeit dar.