1.一种调节工作参数的方法，其特征在于，包括：
获取已经设定的空气净化器的工作参数，以及所述空气净化器所在的空间内的空气指数；
基于神经网络模型处理所述空气指数和所述已经设定的工作参数，得到需要调节到的目标工作参数，其中，所述神经网络模型为通过训练所述空气净化器的样本数据所产生的模型；
基于所述目标工作参数调节所述已经设定的工作参数。
2.根据权利要求1所述的方法，其特征在于，所述样本数据为所述空气净化器在历史时间段内基于设定的历史工作参数与空气指数进行运行所产生的数据，其中，所述历史工作参数包括如下至少之一：设定的工作时间、工作功率、工作时长以及调节数据。
3.根据权利要求1所述的方法，其特征在于，在获取到所述空气净化器不同的空气指数的情况下，调取不同的空气指数所对应设定的不同工作参数，使得所述神经网络模型按照不同的空气指数及对应的工作参数进行处理，得到不同的目标工作参数。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，基于神经网络模型处理所述空气指数和所述已经设定的工作参数，得到需要调节到的目标工作参数包括：
步骤a，所述神经网络模型中的第一神经元接收到所述空气指数和所述已经设定的工作参数，得到第一处理结果；
步骤b，对所述第一处理结果进行聚类分析，得到分类结果；
步骤c，基于所述分类结果，确定所述神经网络模型中接收所述第一处理结果的下一个神经元；
步骤d，将所述第一处理结果发送至所述下一个神经元，并由所述下一个神经元处理所述第一处理结果，得到第二处理结果；
步骤e，基于所述第二处理结果循环执行所述步骤b至步骤d，直至遍历所述神经网络模型对应的节点，生成所述目标工作参数。
5.根据权利要求4所述的方法，其特征在于，所述聚类分析为采用欧式距离方式计算所述第一处理结果中的数据相关性，并基于所述相关性进行分类得到所述分类结果。
6.根据权利要求1所述的方法，其特征在于，在基于神经网络模型处理所述空气指数和所述已经设定的工作参数，得到需要调节到的目标工作参数之前，所述方法还包括：
构建所述神经网络模型，该步骤包括：
获取所述样本数据，其中，所述样本数据按照m*n列模式进行数据存储，m表征样本数量，n表征历史工作参数、空气指数以及调整数据的数量；
基于k均值聚类算法处理所述样本数据，得到去除冗余后的样本数据；
基于所述列模式中列之间的相关性，对所述去除冗余后的样本数据进行聚类划分，构建得到所述神经网络模型。
7.根据权利要求6所述的方法，其特征在于，训练所述神经网络模型得到训练结果，并采用交叉验证法对所述训练结果进行训练。
8.根据权利要求1所述的方法，其特征在于，在获取已经设定的空气净化器的工作参数，以及所述空气净化器所在的空间内的空气指数之后，所述方法还包括：
对所述已经设定的工作参数，和/或所述空气指数进行归一化处理。
9.根据权利要求1所述的方法，其特征在于，基于所述目标工作参数调节所述已经设定的工作参数，包括：
将所述目标工作参数进行转换，得到允许所述空气净化器识别的控制数据；
基于所述控制数据生成用于调节所述已经设定的工作参数的调节指令。
10.一种调节工作参数的装置，其特征在于，包括：
获取模块,用于获取已经设定的空气净化器的工作参数，以及所述空气净化器所在的空间内的空气指数；
确定模块,用于基于神经网络模型处理所述空气指数和所述已经设定的工作参数，得到需要调节到的目标工作参数，其中，所述神经网络模型为通过训练所述空气净化器的样本数据所产生的模型；
调节模块,用于基于所述目标工作参数调节所述已经设定的工作参数。
11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的调节工作参数的方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的调节工作参数的方法。