当热带气旋威胁多个港口时，需要预测哪些港口受影响以及持续时间。由于单港口历史数据稀缺且登陆位置不确定，传统估计困难。本文提出两阶段推荐框架：第一阶段根据预期登陆点的距离检索候选港口；第二阶段依据估计的影响天数对候选港口进行排序。使用AIS数据得到的37个港口、31次墨西哥湾气旋的影响天数，比较了三种特征表示方式：成对特征交互、基于树的特征组合、以及显式特征交叉加学习嵌入。以飓风Nicole和Ian为测试，检索阶段在登陆不确定性下始终找出所有实际受影响港口。排序模型中，Wide & Deep Learning 与观测排名最接近，平均排名一致性比基于距离的基线提升85.5%（Nicole）和55.5%（Ian），且对登陆位置不确定性更鲁棒。这些排名可帮助港口主管部门在灾后检查和资源分配上做出优先决策。点评