哈哈，确实液体的密度模型不像气体那么省心——毕竟分子挤得近，相互作用太复杂，没那种通用的解析方程能用。不过咱们还是有不少靠谱的办法来建模的，给你梳理几个常用方向：

一、半经验状态方程法 #

这类方法是用理论框架结合实验数据拟合参数，平衡了精度和易用性：

• Tait方程：这是业内最常用的液体密度模型之一，形式大概是：

  ρ(P,T) = ρ₀(T) / [1 - C·ln((B(T)+P)/(B(T)+P₀))]
  

  这里ρ₀(T)是参考压力P₀下的液体密度，B(T)和C是和温度相关的拟合参数，只要你有对应温度压力下的实验数据，就能算出这些参数，中高压范围内对绝大多数液体的拟合效果都很稳。
• Modified Rackett方程：原本是用来算饱和液体密度的，后来被扩展到高压场景，形式类似：

  ρ = (M / V₀)·(1 - (T/Tc)^n)^(1 - (P/Pc)^m)
  

  M是液体的摩尔质量，Tc、Pc是临界温度和临界压力，V₀、n、m是拟合参数，特别适合关联饱和或者过冷液体的密度。
• PC-SAFT方程：这是个基于统计热力学的模型，原本是针对流体的，但对液体也适用。它把分子当成链状结构，需要的参数包括分子链长、色散能、硬球直径等，这些参数可以从纯物质的饱和蒸气压、密度数据拟合出来，能同时描述气液两相的性质，精度很高，就是计算起来相对复杂一点。

二、实验数据拟合与插值法 #

如果手里有足够的实验数据，直接拟合是最实用的路子：

• 多项式拟合：比如用二次或三次多项式来关联：

  ρ = a + bT + cP + dT² + eP² + fTP
  

  这里a-f都是拟合系数，适合在小范围的温度压力区间内使用，简单好算，精度也够用。
• 克里金插值/径向基函数（RBF）插值：如果你的实验数据点分布不均匀，这些插值方法能更好地捕捉密度的非线性变化，适合需要高精度的场景，尤其是在实验数据稀疏的区域。

三、分子模拟法 #

要是没有实验数据，或者需要预测极端条件（比如超高压、超临界）下的密度，分子模拟就派上用场了：

• 用分子动力学（MD）或者蒙特卡洛（MC）模拟，先给液体分子选合适的力场（比如L-J力场、OPLS力场），然后模拟不同温度压力下分子的运动，统计系统的密度就行。这种方法的精度全看力场的准确性，适合研究新型液体或者极端工况下的密度特性。

一些小提醒 #

• 任何模型都有适用范围，比如Tait方程在超高压下可能偏差变大，用之前一定要确认模型的温度压力区间。
• 拟合参数的时候，尽量覆盖你关心的所有工况，别随便外推，不然误差会很大。
• 如果是混合液体，还要考虑组分之间的相互作用，得在纯物质模型基础上加上混合规则（比如van der Waals混合规则）才行。

内容的提问来源于stack exchange，提问作者Armadillo