用途：面向建筑项目，用机器学习模型预测完工日期并评估工期延误风险，帮助提前预警、调整资源、向客户提供较可靠的完工估计。
主要能力：提供 ConstructionScheduleForecaster 类，包含训练延误模型（GradientBoostingRegressor）与进度模型（RandomForestRegressor）、预测完工日期、结合进度历史更新预测、生成预测报告等方法。输出 ScheduleForecast 数据类，含预测完工日期、置信区间、延误概率、延误天数、关键风险因素与建议行动；进度快照含 SPI、CPI 等指标。
使用方式：先准备历史项目数据（如 Excel），调用 train_delay_model 训练并查看 MAE、RMSE 与特征重要性；再传入新项目字典与当前进度调用 forecast_completion 获取预测；也可用 update_forecast_with_progress 结合进度历史修正预测，并用 generate_forecast_report 生成报告。
适用场景：施工进度管理、里程碑预警、资源与人力规划、客户沟通、变更与风险管控。
限制：需先训练模型，未训练时预测会报错；效果依赖历史数据质量与字段完整性；资料未提供安装命令、收费、平台支持或具体准确率承诺。