1.一种基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，包括以下步骤：S1、获取采样数据：

基于便携式情绪采集设备获取当前个体的情绪信息；

获取当前的时空信息，所述时空信息包括位置信息和时间信息；

获取当前环境的环境参数，所述环境参数包括若干环境要素；

将当前所获取的情绪信息、时空信息和环境参数相关联；

S2、将采样数据输入预设模型中，建立环境参数与情绪信息的对应关系；

其中，所述预设模型为基于移动窗口分析的关系模型、分段模型或非线性模型；

S3、基于S2的环境参数与情绪信息的对应关系，探测影响情绪的环境参数阈值。

2.根据权利要求1所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S2中，将采样数据输入基于移动窗口分析的关系模型，建立环境参数与情绪信息的对应关系，具体为：S211、整合所获取的环境参数，得到每个环境要素的环境暴露水平(a，b)；

S212、基于移动窗口原理，将每个环境要素的环境暴露水平(a，b)划分为若干区间；

S213、对S212的每个区间，建立环境要素与情绪信息的关系模型；

S214、将S213中同一环境要素的每个区间的关系模型的结果，按区间顺序依次相连。

3.根据权利要求2所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S212具体为：设置向前滑动的窗口大小c和步长d，按第一预设规则(a+n*d,a+c+n*d)将环境暴露水平(a，b)划分为n+1个区间，直至a+c+n*d＝b时停止划分，n为自然数。

4.根据权利要求3所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S213中的关系模型为线性模型，线性模型的形式为：Y(a+n*d,a+c+n*d)＝f(X(a+n*d,a+c+n*d))式中，f(X)是多元线性回归模型，X是环境要素变量，Y是情绪变量，所述情绪变量为各个区间所对应的情绪信息；

其中，所述S214将同一环境要素的每个区间的线性模型的sig值和beta值，按区间顺序依次相连。

5.根据权利要求1所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S2中，将采样数据输入分段模型，建立环境参数与情绪信息的对应关系，具体为：S221、整合所获取的环境参数，得到每个环境要素的环境暴露水平(a，b)；

S222、设置区间大小c，按第二预设规则(a+n*c+n,a+(n+1)*c+n)将环境暴露水平(a，b)划分为n+1个区间，直到a+(n+1)*c+n＝b时停止划分，n为自然数；

S223、对S222的每个区间，建立环境要素与情绪信息的关系模型；

S224、将S223中同一环境要素的每个区间的关系模型的拟合图像，按区间顺序依次相连。

6.根据权利要求5所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S223中的关系模型为线性模型，线性模型的形式为：Y(a+n*c+n,a+(n+1)*c+n)＝f(X(a+n*c+n,a+(n+1)*c+n))式中，f(X)是多元线性回归模型，X是环境要素变量，Y是情绪变量，所述情绪变量为各个区间所对应的情绪信息。

7.根据权利要求1所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S2中，将采样数据输入非线性模型，建立环境参数与情绪信息的对应关系，具体为：建立每一环境要素与情绪信息的非线性模型，得到非线性模型的非线性曲线；

其中，所述非线性模型的函数关系为：

Y＝f(X)

式中，f(X)是非线性模型，X是环境要素变量，Y是情绪变量。

8.根据权利要求1所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S1中：所述便携式情绪采集设备获取当前个体的脑电波信号，对所述脑电波信号进行解析得到当前个体的情绪信息；

所述环境参数采用便携式环境采集设备获取。

9.根据权利要求1所述的基于便携式设备获取情绪信息的环境参数阈值探测方法，其特征在于，所述S3还包括：基于S2的环境参数与情绪信息的对应关系，确定保持良好情绪的环境参数区间和影响情绪的环境参数风险区间。

10.根据权利要求1至9任意一项所述的基于便携式设备获取情绪信息的环境参数阈值探测方法的应用，其特征在于：根据所述环境参数阈值执行对应的操作，所述操作为控制环境调节设备对环境进行调节。