用途：基于历史项目数据预测建筑项目的未来结果，包括成本超支、工期延误、质量问题与风险，帮助项目团队提前预警、优化资源分配并改进估算。
主要能力：提供 ConstructionPredictiveAnalytics 类，可训练成本超支回归模型（GradientBoostingRegressor）与工期延误分类模型（GradientBoostingClassifier），输出预测值、置信度、特征重要性与风险因素；支持查找相似历史项目（NearestNeighbors）并生成预测报告。
使用方式：先安装依赖 pip install pandas numpy scikit-learn，加载历史数据（如 Excel），初始化分析对象后调用 train_cost_overrun_model 与 train_schedule_delay_model 训练模型，再用 predict_cost_overrun、predict_delay_probability 对新项目预测，最后用 generate_prediction_report 生成报告。
适用场景：建筑项目前期估算、投标决策、项目组合风险筛查与资源规划。
限制：需提供含 original_estimate、final_cost、planned_duration、actual_duration 等字段的历史数据；模型效果取决于数据质量与样本量；置信度在示例中为固定值，未提供真实不确定性计算；未提供收费、平台或部署信息。