针对传统流场预测模型需对涡轮各性能参数分别构建导致其建模效率低、工程适用性差的问题，提出了一种可对涡轮级子午面任意关键性能参数进行高精度评估的高效全景式预测框架，并以双级低压涡轮为例建立了高精度涡轮子午面全景式预测模型。所提出的预测框架首先对涡轮级子午面温度、压力、密度及速度等6大基础物理量进行预测，进而对涡轮级总体性能参数、关键截面性能参数沿叶高分布和关键参数子午面进行预测。与此同时，为提升对子午面性能参数的预测精度，在全景式预测框架下将Transformer融入到神经算子网络，建立了Transformer神经算子(TNO)增强的子午面全景式预测模型。对基于TNO所构建的双级子午面预测模型进行测试表明，TNO模型可对双级低压涡轮质量流量、功率、膨胀比等总体性能参数和出口气流角、级反动度等沿叶高的分布，以及子午面熵值分布等进行高精度预测，且相对预测误差小于1%,TNO预测精度显著高于基于经典UNet网络的全景式预测模型。研究结果验证了所提的全景式预测框架与模型的有效性。