大气湍流指数是表征大气湍流强度的重要参数，对于航空安全、气象预报和大气科学研究具有重要意义。然而，传统的湍流指数计算方法通常依赖经验公式，受限于数据的局部性和模型的简化，难以在大范围内提供高精度的预测结果。针对该问题，本文提出一种带有混沌激活函数的随机配置网络（Chaos-Activated Function Neural Network, CAFNN）预测算法，利用大气实测数据建立大范围的大气湍流指数预测系统。首先，提出一种新型正余弦混沌系统，构建具有混沌激活函数的深度神经网络模型。其次，利用大气实测数据对模型进行训练，并通过多种评价指标验证模型的预测精度。最后，仿真实验结果表明，与传统经验公式相比，CAFNN模型能够更准确地捕捉大气湍流指数的变化规律，其预测精度在多个测试场景中均显著提高。该系统能够实时处理多源气象数据，并生成高分辨率的湍流指数分布图，为航空航天、气象预警等领域提供技术支持和决策依据。
 

大气湍流指数,混沌激活函数,深度学习,神经网络,预报系统