为了满足大规模网络线路数据流量分配均衡性需求，以及流量控制，需要对网络线路数据流量并行预测。当前利用ARMA模型，通过线性的最小均方误差实现流量预测的方法，存在预测效果差，预测功耗大等问题。提出一种基于蚁群的网络线路数据流量并行预测方法，根据多分辨率的分析要求表达式，获得相应尺度之下的网络线路数据流量特征，进而将近似系数，以及细节系数内的冗余流量去除；将近似系数与细节系数进行叠加，获得原始网络线路数据流量信号，实现数据流量的分解，以减少预测功耗；建立训练样本及预测样本，并对蚂蚁的初始位置进行设置；计算各蚂蚁的适应度值和信息素大小，找到当前最优的蚂蚁位置，弓l导非最优位置的蚂蚁向最优个体移动，实现全局搜索；对蚂蚁的信息素进行更新，并对是否满足迭代的终止条件进行判断，进而构建最优网络线路数据流量并行预测模型，增强预测效果。仿真表明，上述方法在预测效果和预测功耗方面均优于当前方法，可为该领域发展提供支撑。