本公开提供了一种高速骨干网间流量数据预测方法及系统，涉及网络流量数据处理技术领域，方法包括采集获取高速骨干网间历史流量数据，处理得到时间序列数据；将时间序列数据进行变量特征分解，并对分解后的变量特征进行特征选择；将特征选择后的流量数据输入至基于AFT的神经网络预测模型中；在基于AFT的神经网络预测模型中设计基于门控线性单元变体的残差网络来学习特征变量信息，在残差网络之后构建两个LSTM层，分别作为模型的L编码器和L解码器，特征变量信息被输入到L编码器中，通过L解码器输出再输入至AFT模型后进行一次信息捕捉后，输出预测值。本公开加快了模型拟合速度，又提高了预测准确度。