1.一种调节方法，其特征在于，包括：
获取用户在预设区域中的第一行为数据和所述预设区域的第一环境参数；
将所述第一行为数据和所述第一环境参数输入至预先建立的增量神经网络模型中确定环境调节策略；
基于所述环境调节策略调节所述预设区域的环境。
2.根据权利要求1所述的方法，其特征在于，所述基于所述环境调节策略调节所述预设区域的环境，包括：
基于所述环境调节策略调节所述预设区域的光照和/或温湿度。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取样本数据集，所述样本数据集中的样本数据包括：样本行为数据、样本环境数据及对应的样本环境调节策略；
基于所述样本数据集进行训练，得到增量神经网络模型。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取用户在预设区域中的第二行为数据和所述预设区域的第二环境参数；
在确定所述第二行为数据的变化大于第一变化阈值和/或第二环境参数的变化大于第二变化阈值的情况下，对所述增量神经网络模型的网络结构进行更新；
基于新样本数据集对更新的增量神经网络模型进行训练，其中，所述新样本数据集包括：样本数据集和获取的新的数据。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
获取用户的反馈信息；
基于所述反馈信息对所述增量神经网络模型进行调节。
6.一种调节装置，其特征在于，包括：
获取模块，用于获取用户在预设区域中的第一行为数据和所述预设区域的第一环境参数；
确定模块，用于将所述第一行为数据和所述第一环境参数输入至预先建立的增量神经网络模型中确定环境调节策略；
调节模块，用于基于所述环境调节策略调节所述预设区域的环境。
7.根据权利要求6所述的调节装置，其特征在于，所述基于所述环境调节策略调节所述预设区域的环境，包括：
基于所述环境调节策略调节所述预设区域的光照和/或温湿度。
8.根据权利要求6所述的调节装置，其特征在于，所述调节装置还用于：
获取样本数据集，所述样本数据集中的样本数据包括：样本行为数据、样本环境数据及对应的样本环境调节策略；
基于所述样本数据集进行训练，得到增量神经网络模型。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1至5任意一项所述调节方法。
10.一种存储介质，其特征在于，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现如权利要求1至5任意一项所述调节方法。