Подгонка кривой nls к экспериментальным данным и получение параметра подгонки

Question

У меня есть идеальный набор данных кривой, показанный ниже. Я сделал модель NLS, которая описывает идеальный набор данных. У меня также есть экспериментальные данные, которые я хочу построить для сравнения с моделью, чтобы найти значение для подгонки. Как мне это сделать?

Caq         q Langmuir
0           0
0.002           0.001198975
0.004           0.00234561
0.006           0.00344326
0.008           0.004494998
0.01            0.005503645
0.02            0.009984597
0.03            0.013703679
0.05            0.01952051
0.1         0.028637319
0.2         0.037362059
0.3         0.041585223
0.4         0.04407627
0.5         0.04571949
0.6         0.046884773
0.7         0.047754159
0.8         0.048427657
1           0.049403112
2           0.051476858
3           0.052207344
4           0.052580417
5           0.052806831
10          0.05326556
25          0.053544642
50          0.053638321
75          0.05366962
100         0.053685283
125         0.053694686
150         0.053700956

Экспериментальные данные:

    Caq mean    q mean

0.119776495 -9.59E-06
0.09367508  0.002213347
0.158928618 0.007557445
0.212581528 0.015132666
0.108175866 0.022821814
0.129927046 0.030301749
0.209681371 0.037970427
2.199189257 0.045278635
14.37839971 0.048293908
30.33941524 0.050573923
42.56357812 0.053796262
50.38530228 0.056462806
102.3793218 0.059950779
127.9587089 0.06566134

Я строю это так: (Первая строка - это моя подгонка, следующие экспериментальные данные. Третья строка - это моя подгонка экспериментальных данных. Я получаю ошибку, что длины x и y различаются.
Я знаю, что что-то не так с моим базовым пониманием процесса подгонки, но я не знаю что.

Langmuirfit<- nls(formula = q.Langmuir ~ Q*b*Caq/(1+b*Caq),  data = PIsotherm, start = list(Q = 0.05, b = 1), algorith = "port")

plot(PIsotherm$Caq.mean,PIsotherm$q.mean, pch=16)
lines(PIsotherm$Caq.mean,predict(Langmuirfit))