1.一种存储控制方法，用于控制一存储设备的存储行为，其特征在于，所述存储控制方法包括：获取所述存储设备的行为信息；

利用一深度学习算法对所述行为信息进行处理，获得所述存储设备的行为参数；

根据所述存储设备的行为参数调整所述存储设备的运行模式。

2.根据权利要求1所述的存储控制方法，其特征在于，所述存储设备的行为信息包括用户行为信息；所述存储设备的用户为一主机系统，所述存储设备的用户行为信息包括：所述主机系统对所述存储设备下发的指令集序列；

所述主机系统对所述存储设备执行的读取数据量、读取位置及读取范围；

所述主机系统对所述存储设备执行的写入数据量、写入位置及写入范围；或/和所述主机系统对所述存储设备执行的写入及读取数据时的数据串流行为；所述数据串流行为包括：主机系统端的数据总线执行数据传递的忙碌时间与暂停数据传递的空闲时间、存储器件端的数据总线的忙碌时间与闲置时间；

利用所述深度学习算法对所述用户行为信息进行处理，获得所述存储设备的用户行为参数的一种实现过程包括：利用所述深度学习算法对所述指令集序列进行处理，获得主机系统惯用的命令集及命令序列；

利用所述深度学习算法对所述读取位置进行处理，获得主机系统惯用的顺序读与随机读的比例；

利用所述深度学习算法对所述写入位置进行处理，获得主机系统惯用的顺序写与随机写的比例；

利用所述深度学习算法对所述写入数据量和所述读取数据量进行处理，获得主机系统惯用的数据写/读量统计表格；

利用所述深度学习算法对所述写入位置和所述读取位置进行处理，获得主机系统惯用的数据写/读起始逻辑位置统计表格；

利用所述深度学习算法对所述写入范围和所述读取范围进行处理，获得主机系统惯用的数据写/读范围统计表格；

利用所述深度学习算法对所述写入及读取数据时的数据串流行为进行处理，获得主机系统惯用的数据串流行为统计表格；

所述存储设备的用户行为参数包括：所述主机系统惯用的命令集及命令序列，所述主机系统惯用的顺序读与随机读的比例，所述主机系统惯用的顺序写与随机写的比例，所述主机系统惯用的数据写/读量统计表格，所述主机系统惯用的数据写/读起始逻辑位置统计表格，所述数据主机系统惯用的数据写/读范围统计表格，或/和主机系统惯用的数据串流行为统计表格。

3.根据权利要求2所述的存储控制方法，其特征在于，根据所述存储设备的用户行为参数调整所述存储设备的运行模式的一种实现过程包括：所述存储设备包括存储控制器及存储器件；

调整对所述存储设备的数据写/读管理策略；

调整数据/控制信号总线使用权的分配策略；

调整存储器件的数据区块分配及放置策略；

调整命令处理优先级策略；

调整数据缓存使用的管理策略；

调整对储存器件的写入或读取数据的速率；

调整存储控制器的工作频率；

调整背景处理程序的启动时机与行为决策；或/和调整电源管理启动时机与模式。

4.根据权利要求1所述的存储控制方法，其特征在于：所述存储设备的用户为一主机系统；所述存储设备的行为信息包括系统电源行为信息，所述系统电源行为信息包括：所述主机系统对所述存储设备执行的供电电压、电源管理模式、断电行为及电源稳定度；

利用所述深度学习算法对所述系统电源行为信息进行处理，获得所述存储设备的系统电源行为参数的一种实现过程包括：利用所述深度学习算法对所述供电电压进行处理，获得电压范围；

利用所述深度学习算法对所述电源管理模式进行处理，获得休眠模式统计表；

利用所述深度学习算法对所述断电行为进行处理，获得安全断电程序模式和不安全断电统计；

所述系统电源行为参数包括：所述电压范围，所述休眠模式统计表，所述安全断电程序模式或/和所述不安全断电统计。

5.根据权利要求4所述的存储控制方法，其特征在于，根据所述系统电源行为参数调整所述存储设备的运行模式的一种实现过程包括：调整对所述存储设备的电源管理及数据安全保护的管理机制；

调整背景处理程序的启动时机与行为决策；或/和调整存储器件的数据缓存机制与最终存放区块配置决策。

6.根据权利要求1所述的存储控制方法，其特征在于，所述存储设备的用户为一主机系统；所述存储设备的行为信息包括工作环境温度行为信息，所述工作环境温度行为信息包括：所述存储设备在执行所述主机系统的命令的过程中的工作环境温度；

利用所述深度学习算法对所述工作环境温度行为信息进行处理，获得所述存储设备的工作环境温度行为参数。

7.根据权利要求6所述的存储控制方法，其特征在于，根据工作环境温度行为参数调整所述存储设备的运行模式的一种实现过程包括：调整对所述存储设备的电源管理机制；

调整对储存器件写入或读取数据速率；

调整存储控制器的工作频率；

调整背景处理程序的启动时机与行为决策；或/和调整电源管理启动时机与模式。

8.根据权利要求1所述的存储控制方法，其特征在于，所述存储设备的行为信息包括存储器件行为信息，所述存储器件行为信息包括：读取数据时，所述存储设备的读取区块位置的错误码发生数量及几率；

读取数据时，所述存储设备的读取区块位置的错误码发生时，硬解码与软解码的行为模式；

读取数据时，所述存储器件的重读数据几率及重读表中各组参数的成功几率；

写入数据时，所述存储设备的写入区块位置的写数据失败率；

删除数据时，所述存储设备的擦除区块位置的擦除数据失败率；

数据写入存储器件时，控制信号及数据信号的时序；所述时序包括速率、斜率及延迟时间；

读取储存器件数据时，控制信号及数据信号的时序；所述时序包括速率、斜率及延迟时间；或/和所述存储器件的工作电压。

9.根据权利要求8所述的存储控制方法，其特征在于，利用所述深度学习算法对所述储存器件行为信息进行处理，获得储存器件行为参数的一种实现过程包括：利用所述深度学习算法对所述储存器件行为信息进行处理，获得数据写入储存器件时控制信号及数据信号的最佳时序，包括速率、斜率及延迟时间；

利用所述深度学习算法对所述存储器件行为信息进行处理，获得读取储存器件数据时控制信号及数据信号的最佳时序，包括速率、斜率及延迟时间；

利用所述深度学习算法对所述存储器件行为信息进行处理，获得最佳控制信号及数据信号的传输振幅；

利用所述深度学习算法对所述写数据失败率、所述擦除数据失败率、所述重读表几率以及所述错误码发生数量及几率进行处理，获得存储器件内的存储区块健康状况统计表格；

所述存储设备的存储器件行为参数包括：所述最佳数据写入储存器件时控制信号及数据信号的时序，所述最佳读取储存器件数据时控制信号及数据信号的时序，所述最佳控制信号及数据信号的传输振福，或/和所述存储器件内的存储区块健康状况统计表格。

10.根据权利要求9所述的存储控制方法，其特征在于，根据所述存储设备的存储器件行为参数调整存储设备的运行模式的一种实现过程包括：根据所述存储设备的存储器件行为参数，调整对所述存储设备的存储器件驱动管理机制；

调整对所述存储设备的数据写/读管理策略；

调整存储器件的数据区块分配及放置策略；

调整数据缓存使用的管理策略；

调整对储存器件写入或读取数据的速率；或/和

调整背景处理程序的启动时机与行为决策。

11.根据权利要求1所述的存储控制方法，其特征在于，所述深度学习算法是一种通过深度类神经网络运算的学习方法，所述深度类神经网络运算的学习方法包括：利用输入层输入所述行为信息；

利用至少一层中间处理层处理所述存储设备的行为信息进行深度学习处理，包括：分析所有关注事件的特征，并将分析后获得的特征作为所述输入层的参数，经过反向传播算法由输出层产生输出参数，同时更新各中间处理层的节点的权重值；利用输出层输出处理后获得的输出参数，即所述存储设备的行为参数。

12.一种存储控制器，用于控制一存储设备的存储行为，其特征在于，所述存储控制器包括：一第一接口，与所述存储设备的用户接口通信相连，用于获取所述存储设备的用户行为信息；

一第二接口，与所述存储设备的存储器件通信相连，用于获取所述存储设备的存储器件行为信息；

一处理模块，与所述第一接口和所述第二接口分别通信相连，用于利用一深度学习算法对所述存储设备的行为信息进行处理，获得所述存储设备的行为参数，并利用所述存储设备的行为参数调整所述存储设备的运行模式。

13.一种存储设备，其特征在于，包括：

一用户接口，用于与一用户设备通信相连，用于接收所述用户设备的存储指令；

至少1个存储器件，用于存储数据；

一电源模块，用于供电；

一存储控制器，与所述用户接口、存储器件和所述电源模块分别通信相连，包括：一第一接口，与所述用户接口通信相连，用于获取所述存储设备的用户行为信息；

一第二接口，与所述存储器件通信相连，用于获取所述存储设备的存储器件行为信息；

一处理模块，与所述第一接口和所述第二接口分别通信相连，用于利用一深度学习算法对所述存储设备的行为信息进行处理，获得所述存储设备的行为参数，并利用所述存储设备的行为参数调整所述存储设备的运行模式。

14.一种存储系统，其特征在于，包括：

一用户设备，用于控制一存储设备执行存储操作；所述用户设备包括主机系统；

所述存储设备包括：

一用户接口，用于与所述用户设备通信相连，用于接收所述用户设备的存储指令；

至少1个存储器件，用于存储数据；

一电源模块，用于供电；

一存储控制器，与所述用户接口、存储器件和所述电源模块分别通信相连，包括：一第一接口，与所述用户接口通信相连，用于获取所述存储设备的用户行为信息；

一第二接口，与所述存储器件通信相连，用于获取所述存储设备的存储器件行为信息；

一处理模块，与所述第一接口和所述第二接口分别通信相连，用于利用一深度学习算法对所述存储设备的行为信息进行处理，获得所述存储设备的行为参数，并利用所述存储设备的行为参数调整所述存储设备的运行模式。