压力管道操作证考试题精选:理论与实践结合

版权申诉
0 下载量 143 浏览量 更新于2024-07-08 收藏 40KB DOC 举报
"压力管道考试-D1 (压力管道)操作证理论和实际操作考试题集,涵盖各种专业问题,涉及压力管道的安全操作、设备类型、化学元素特性、保温方式、气体性质、温度测量、附属设施定义、法规及事故处理等多个方面。" 详细说明: 1. 减压阀的选择: 活塞式减压阀适用于高温高压环境,如蒸汽或空气介质管道,因为它们能承受更大的压力和温度变化。 2. 安全阀类型比较: 直接作用式安全阀由于其结构限制,通常不适用于高压、大口径的场合,而其他类型如非直接作用式和先导式则能适应更高要求。 3. 化学气体特性: 氯气是一种黄绿色、具有强烈刺激性臭味的有毒气体,化学性质活泼。 4. 管道保温方式: 电拌热适用于不需要频繁拆卸和清洗的管道,因为它提供了持续且稳定的加热。 5. 易燃气体标准: 根据描述,易燃气体是指爆炸下限小于10%的气体,且爆炸上下限之差大于10%。 6. 温度计选择: 压力式温度计适合测量易爆、有振动环境下的温度,且传输距离不太远。 7. 气体识别: 二氧化碳是无色、无臭、稍带酸味的气体,相对分子量为44。 8. 压力管道的附属设施: 阴极保护装置、压气站等属于压力管道的附属设施,是确保系统正常运行的重要组成部分。 9. 法律责任: 对于违反相关法规造成事故的行为,可能面临刑事责任。 10. 特大安全事故预案: 省(自治区、直辖市)级别的政府需制定本地区的特大安全事故应急处理预案。 11. 事故调查期限: 通常情况下,事故调查应在事故发生之日起30日内完成,特殊情况下可延长。 12. 特种设备事故分类: 根据《特种设备安全监察条例》,10人死亡的事故属于重大事故。 13. 特种设备事故分类: 30人死亡的事故被定义为特别重大事故。 这些知识点涵盖了压力管道操作中的关键概念,包括设备选择、安全规定、气体性质、故障处理和法规遵循,对于备考压力管道操作证的考生至关重要。

#------(一)方法1:基于指标体系1的结果---- #--------1.数据导入------------- library(xlsx) d1.1 <- read.xlsx('data.xlsx', '2022', encoding = "UTF-8") #读取数据 head(d1.1,10) colnames(d1.1) d1 <- d1.1[,5:ncol(d1.1)] d1 <- abs(d1) #---------2.归一化处理--------------- Rescale = function(x, type=1) { # type=1正向指标, type=2负向指标 rng = range(x, na.rm = TRUE) if (type == 1) { (x - rng[1]) / (rng[2] - rng[1]) } else { (rng[2] - x) / (rng[2] - rng[1]) } } #---------3.熵值法步骤---------- #定义熵值函数 Entropy = function(x) { entropy=array(data = NA, dim = ncol(x),dimnames = NULL) j=1 while (j<=ncol(x)) { value=0 i=1 while (i<=nrow(x)) { if (x[i,j]==0) { (value=value) } else { (value=value+x[i,j]*log(x[i,j])) } i=i+1 } entropy[j]=value*(-1/log(nrow(x))) j=j+1 } return(entropy) } Entropy_Weight = function(X, index) { pos = which(index == 1) neg = which(index != 1) X[,pos] = lapply(X[,pos], Rescale, type=1) X[,neg] = lapply(X[,neg], Rescale, type=2) P = data.frame(lapply(X, function(x) x / sum(x))) e = Entropy(P) d = 1 - e # 计算信息熵冗余度 w = d / sum(d) # 计算权重向量 list(X = X,P = P, w=w) } #-------4.代入数据计算权重----- # -------二级指标权重------ ind=array(rep(1,ncol(d1))) aa=Entropy_Weight(X = d1,index = ind) weight=as.data.frame(aa["w"]) weigh X <- as.data.frame(aa["X"]) X P <- as.data.frame(aa["P"]) P d1.a <- X[,c(grep("A",colnames(X)))] d1.b <- X[,c(grep("B",colnames(X)))] d1.c <- X[,c(grep("C",colnames(X)))] d1a <- as.matrix(d1.a) d1b <- as.matrix(d1.b) d1c <- as.matrix(d1.c) n1 <- ncol(d1a) n2 <- ncol(d1b) n3 <- ncol(d1c) wa <- weight[1:n1,1] wb <- weight[(n1+1):(n1+n2),1] wc <- weight[(n1+n2+1):(n1+n2+n3),1] wa <- as.matrix(wa,ncol =1) wb <- as.matrix(wb,ncol =1) wc <- as.matrix(wc,ncol =1) indexa <- d1a%*%wa indexb <- d1b%*%wb indexc <- d1c%*%wc d1abc <- cbind(indexa,indexb,indexc) 参考以上代码,用不同一级指标下分别计算二级指标权重,

2023-06-10 上传