Este documento presenta un marco híbrido para la previsión del rendimiento de contenedores en puertos, que es esencial en el comercio global y los sistemas de transporte. Utiliza un método multidisciplinario que combina inteligencia artificial, predicción de enlaces y redes complejas. Para comprender mejor la interconexión y la dinámica de las operaciones portuarias, los datos de series temporales se transforman primero utilizando la teoría de redes complejas en una estructura de red. El marco aplica 13 métricas de similitud, abarcando varios aspectos de la similitud estructural de la red, para formar un conjunto de características que representa la compleja red de operaciones portuarias. Las características más efectivas se seleccionan utilizando el método de máxima relevancia y mínima redundancia (mRMR), adhiriéndose a los principios de eficiencia de la teoría de sistemas. Estas características se procesan a través de modelos SVM, DNN y LSTM para la predicción de enlaces, que es crucial para la previsión en la logística portuaria. Finalmente, la metodología concluye con un análisis de regresión para obtener previsiones de rendimiento de contenedores, que es una métrica clave en la gestión de sistemas portuarios. Los estudios de caso del Puerto de Shanghái y del Puerto de Shenzhen validan la efectividad del marco, demostrando una mejora significativa en la precisión de las previsiones en comparación con los modelos de referencia. Este estudio contribuye al análisis de sistemas al mostrar un enfoque híbrido, mejorado por IA, para gestionar y prever aspectos críticos de los sistemas de comercio marítimo.