1.一种基于近似模型规划的室内空气自适应控制方法，其特征在于，包括以下步骤：步骤1)、初始化马尔科夫决策模型，设置环境的状态空间X和动作空间U；

步骤2)、初始化参数向量，所述参数向量包括：值函数参数 策略参数 状态迁移函数参数 奖赏函数参数 和资格迹参数

步骤3)、初始化算法的超参数，所述超参数包括：设置折扣率γ，衰减因子λ，情节数E，高斯函数的探索标准差ε，每个情节所包含的最大时间步S，值函数的学习率α1，策略的学习率α2，模型的学习率α，规划的次数K；

步骤4)、初始化当前情节s＝1；

步骤5)、初始化当前状态xt＝x，当前时间步t＝1；

步骤6)、选择动作：根据探索策略选择当前状态下应执行的动作ut＝u；所述探索策略采用高斯函数生成，在任意状态处所采取的动作根据 得到，其中，h(x)＝u*表示在状态x处根据最优策略得到的最优动作；

步骤7)、生成样本：在当前状态xt下，执行动作u，得到下一个状态xt+1和立即奖赏rt+1，生成的样本为(xt,ut,xt+1,rt+1)；

步骤8)、采用样本(xt,ut,xt+1,rt+1)更新模型的状态迁移函数参数向量θ和奖赏函数参数向量υ，所述更新模型采用单步的预测误差作为梯度信号：将单步的状态预测误差作为梯度，得到迁移函数参数向量更新公式为 将单步的奖赏预测误差 作为梯度，得到奖赏函数参数向量的更新公式为φ(xt,ut)为状态动作特征；

步骤9)、计算TD误差；

步骤10)、更新资格迹：更新资格迹参数向量，资格迹更新公式为为状态x对应的特征向量；

步骤11)、更新值函数：更新值函数对应的参数向量，值函数更新公式为ξt+1＝ξt+α1ωe(xt)；

步骤12)、更新策略：更新策略对应的参数向量，策略更新公式为ζt+1＝ξt+α2ω(u-u*)Tφ(xt)，φ(xt)为状态特征；

步骤13)、更新当前状态：xt＝xt+1；

步骤14)、更新当前时间步t＝t+1，判断是否达到最大时间步：如果达到，转入步骤15)；

否则，转入步骤5)继续执行；

步骤15)、采用近似模型规划，所述近似模型规划是在一定的规划次数下，迭代地利用模型xt+1＝φT(xt,ut)θt和rt+1＝φT(xt,ut)υt生成下一个状态和奖赏，并利用该状态和奖赏来更新值函数参数向量ξt+1＝ξt+α1ωe(xt)和策略参数向量ζt+1＝ζt+α2ω(u-u*)Tφ(xt)；

步骤16)、更新当前情节s＝s+1，判断是否达到最大情节数：如果达到，转入步骤17)；否则，转入步骤5)继续执行；

步骤17)、根据学习到最优策略来获取室内空气自适应控制的最优策略。

2.根据权利要求1所述的基于近似模型规划的室内空气自适应控制方法，其特征在于，步骤(2)中所述值函数近似表示为 其中，高斯函数 用于将状态x映射为特征向量，为中心点，σ为高斯函数的标准差，ξ的维度与特征向量保持一致；所述策略近似表示为 其中，特征向量 与值函数的表示相同；模型包含状态迁移函数和奖赏函数，迁移函数近似表示为xt+1＝φT(xt,ut)θt；奖赏函数可以被近似表示为rt+1＝φT(xt,ut)υt，其中 为状态动作特征，为动作的中心点，σ1为状态维度的标准差，σ2为动作维度的标准差，θ为状态迁移函数的参数向量，υ为奖赏函数的参数向量。

3.根据权利要求1所述的基于近似模型规划的室内空气自适应控制方法，其特征在于，步骤(9)中的计算TD误差的计算公式为：ω＝r+γV(xt+1)-V(xt)。