91、储存物品的火灾危险性分类

2024-03-30 15:08

本文主要是介绍91、储存物品的火灾危险性分类,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

分类标准举例

 


 

 

 

 

1、闪点<28℃的液体1、汽油
2、酒精度为38度及以上的白酒

2、爆炸下限<10%的气体,

受到水或空气中水蒸气的作用能产生爆炸下限<10%的气体的固体物质

1、乙炔
2、氢气
3、甲烷
4、乙烯
5、丙烯
6、液化石油气
7、电石
3、常温下能自行分解或在空气中氧化能导致迅速自然或爆炸的物质1、赛璐珞棉
4、常温下受到水或空气中水蒸气的作用能产生可燃气体并引起燃烧或爆炸的物质1、金属钠
2、金属钾
3、金属锂

5、遇酸、受热、撞击、摩擦以及遇有机物或硫磺等易燃无机物,

极易引起燃烧或者爆炸的强氧化剂

1、氯酸钾
2、氯酸钠
3、过氧化钾
4、过氧化钠
5、硝酸铵
6、受撞击、摩擦或与氧化剂、有机物接触时能引起燃烧或爆炸的物质1、赤磷
2、五硫化二磷
1、闪点≥28℃且<60℃的液体1、煤油
2、樟脑油
2、爆炸下限≥10%的气体1、氨气
2、一氧化碳
3、不属于甲类的氧化剂1、硝酸
2、硝酸铜
3、发烟硫酸
4、漂白粉
4、不属于甲类的易燃固体1、硫磺
2、镁粉
3、铝粉
4、樟脑
5、助燃气体1、氧气
2、氟气
3、液氯
6、常温下与空气接触能缓慢氧化,积热不散引起自燃的物品1、漆布及其制品
2、油布及其制品
3、油纸及其制品
4、油绸及其制品
1、闪点≥60℃的液体1、动物油
2、植物油
3、重油
4、机油
5、闪点≥60℃的柴油
6、白兰地成品库
2、可燃固体1、纸张
2、棉、毛、丝、麻及其织物
3、谷物
4、竹、木及其制品
5、中药材
难燃烧物品1、自熄性塑料及其制品
2、酚醛泡沫塑料及其制品
3、水泥刨花板
不燃烧物品1、钢材
2、玻璃及其制品
3、陶瓷制品
4、水泥
5、石
6、硅酸铝纤维

另外,丁、戊类储存物品仓库的火灾危险性需注意以下两点:

1、当可燃包装重量大于物品本身重量的1/4时,火灾危险性按丙类确定

2、当可燃包装体积大于物品本身体积的1/2时,火灾危险性按丙类确定

转载于:https://www.cnblogs.com/wf2010517141/p/10889909.html

这篇关于91、储存物品的火灾危险性分类的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/861816

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

用Pytho解决分类问题_DBSCAN聚类算法模板

一:DBSCAN聚类算法的介绍 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法,DBSCAN算法的核心思想是将具有足够高密度的区域划分为簇,并能够在具有噪声的空间数据库中发现任意形状的簇。 DBSCAN算法的主要特点包括: 1. 基于密度的聚类:DBSCAN算法通过识别被低密

PMP–一、二、三模–分类–14.敏捷–技巧–看板面板与燃尽图燃起图

文章目录 技巧一模14.敏捷--方法--看板(类似卡片)1、 [单选] 根据项目的特点,项目经理建议选择一种敏捷方法,该方法限制团队成员在任何给定时间执行的任务数。此方法还允许团队提高工作过程中问题和瓶颈的可见性。项目经理建议采用以下哪种方法? 易错14.敏捷--精益、敏捷、看板(类似卡片)--敏捷、精益和看板方法共同的重点在于交付价值、尊重人、减少浪费、透明化、适应变更以及持续改善等方面。

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

PMP–一、二、三模–分类–14.敏捷–技巧–原型MVP

文章目录 技巧一模14.敏捷--原型法--项目生命周期--迭代型生命周期,通过连续的原型或概念验证来改进产品或成果。每个新的原型都能带来新的干系人新的反馈和团队见解。题目中明确提到需要反馈,因此原型法比较好用。23、 [单选] 一个敏捷团队的任务是开发一款机器人。项目经理希望确保在机器人被实际建造之前,团队能够收到关于需求的早期反馈并相应地调整设计。项目经理应该使用以下哪一项来实现这个目标?

基于深度学习 卷积神经网络resnext50的中医舌苔分类系统

项目概述 本项目旨在通过深度学习技术,特别是利用卷积神经网络(Convolutional Neural Networks, CNNs)中的ResNeXt50架构,实现对中医舌象图像的自动分类。该系统不仅能够识别不同的舌苔类型,还能够在PyQt5框架下提供一个直观的图形用户界面(GUI),使得医生或患者能够方便地上传舌象照片并获取分析结果。 技术栈 深度学习框架:采用PyTorch或其他

电脑驱动分类

电脑驱动程序(驱动程序)是操作系统与硬件设备之间的桥梁,用于使操作系统能够识别并与硬件设备进行通信。以下是常见的驱动分类: 1. 设备驱动程序 显示驱动程序:控制显卡和显示器的显示功能,负责图形渲染和屏幕显示。 示例:NVIDIA、AMD 显示驱动程序。打印机驱动程序:允许操作系统与打印机通信,控制打印任务。 示例:HP、Canon 打印机驱动程序。声卡驱动程序:管理音频输入和输出,与声卡硬件

如何将卷积神经网络(CNN)应用于医学图像分析:从分类到分割和检测的实用指南

引言 在现代医疗领域,医学图像已经成为疾病诊断和治疗规划的重要工具。医学图像的类型繁多,包括但不限于X射线、CT(计算机断层扫描)、MRI(磁共振成像)和超声图像。这些图像提供了对身体内部结构的详细视图,有助于医生在进行准确诊断和制定个性化治疗方案时获取关键的信息。 1. 医学图像分析的挑战 医学图像分析面临诸多挑战,其中包括: 图像数据的复杂性:医学图像通常具有高维度和复杂的结构

文本分类场景下微调BERT

How to Fine-Tune BERT for Text Classification 论文《How to Fine-Tune BERT for Text Classification?》是2019年发表的一篇论文。这篇文章做了一些实验来分析了如何在文本分类场景下微调BERT,是后面网上讨论如何微调BERT时经常提到的论文。 结论与思路 先来看一下论文的实验结论: BERT模型上面的