本发明提供了一种核电站松脱部件事前预测系统和预测方法,包括第一建立模块，用于建立神经网络模型，将正常振动信号数据和松脱部件信号数据以及仿真松脱事件信号数据注入至建立神经网络模型进行训练，得到预松动振动信号的标准曲线；第一信号采集模块，用于实时采集需要预测的零部件振动信号；预测模块，用于将实时采集的零部件振动信号注入至所述神经网络模型进行识别判断，预测零部件松脱的可能性。本发明在预测过程中不需要大量的真实故障数据,通过有限的真实数据和系统数学模型仿真得到典型零部件不同阶段的松脱数据，利用神经网络方法进行识别和预测；填补了该领域对松脱部件监测只能进行事后判断的无法进行事前预测空白。