用途：解决建筑企业缺乏行业基准的问题——单项目数据不足以做统计分析，可比数据难以获取，人工分析无法扩展到数千个项目。该技能通过分析 5000+ 个 IFC 与 Revit 项目，提取模式、建立基准并训练预测模型。
主要能力：数据集包含 5000+ 项目、IFC 与 RVT 格式、数百万构件、200+ 类别。核心类 BIMProjectAnalyzer 提供：load_projects 加载项目数据；project_statistics 计算每项目构件数、类别数、体积与面积统计；category_distribution 分析类别分布；find_outliers 用 Z 分数识别异常项目；benchmark_project 将单个项目与数据集对比并给出百分位；generate_report 生成含四类图表的分析报告。可提取结构模式（墙地比、门窗密度、MEP 密度）、质量指标（类别完整性、参数填充率、几何一致性）与复杂度指标（每平方米构件数、类别多样性、层数与高度）。还可结合 scikit-learn 的 RandomForestRegressor 做成本预测。
使用方式：初始化 analyzer = BIMProjectAnalyzer("C:/Data/5000_Projects")，调用 load_projects 加载，再依次调用统计、类别分析、基准对比与报告生成方法。数据以 Excel 形式按 Elements 工作表存放。
适用场景：行业基准对比、设计模式检测、ML 训练数据构建、学术与行业研究。
限制：资料未提供具体安装命令、收费方式、平台要求与运行环境细节；示例代码依赖 pandas、numpy、matplotlib、seaborn、scikit-learn；成本预测部分需自备成本数据。